Embed Size (px)
Citation preview
Rafael Zanelato Ledo
MODELO DE IDENTIFICAÇÃO DO CONHECIMENTO
PROCEDIMENTAL DE ALTO DESEMPENHO PARA
ATIVIDADE DE MODELAGEM DIGITAL 3D
Tese submetida ao Programa de Pós
Graduação em Engenharia e Gestão do
Conhecimento da Universidade Federal
de Santa Catarina para a obtenção do
Grau de Doutor em Engenharia e
Gestão do Conhecimento.
Orientadora: Profa. PhD Alice
Theresinha Cybis Pereira
Florianópolis
2016
Rafael Zanelato Ledo
MODELO DE IDENTIFICAÇÃO DO CONHECIMENTO
PROCEDIMENTAL DE ALTO DESEMPENHO PARA
ATIVIDADE DE MODELAGEM DIGITAL 3D
Esta Documento de Defesa foi julgado aprovado para a obtenção
do Título de “Doutor em Engenharia e Gestão do Conhecimento “, e
aprovado na sua forma final pelo programa de Pós-graduação em
Engenharia e Gestão do Conhecimento.
Florianópolis, 18 de fevereiro de 2016.
________________________
Prof. Dr. Roberto Carlos Pacheco
Coordenador do Curso
Banca Examinadora da Defesa de Doutorado:
________________________
Prof.ª, PhD Alice Theresinha Cybis Pereira
Orientadora
Universidade Federal de Santa Catarina
________________________
Prof. Dr.Tarcísio Vanzin,
Universidade Federal de Santa Catarina
________________________
Prof. Dr. Francisco Antonio Pereira Fialho
Universidade Federal de Santa Catarina
________________________
Prof. Dr. Emilio Takase
Universidade Federal de Santa Catarina
________________________
Prof.ª, Dr. Arivaldo Leão de Amorim
Universidade Federal da Bahia
________________________
Prof.ª, Dr. Benamy Turkienicz
Universidade Federal do Rio Grande do Sul
Dedico este trabalho à você Mateus. Te amo filho.
AGRADECIMENTO
À Deus, por tudo,
À toda minha família e em especial à Heloisa, companheira de todos os
momentos, pelo apoio e incentivo constante diante de todas às dificuldades
ocorridas durante o desenvolvimento deste trabalho.
À minha orientadora professora Alice Theresinha Cybis Pereira, pela
generosidade de ter aceito me orientar com o doutorado em andamento e pela
amizade e respeito construída durante todos estes anos de pesquisa acadêmica
em conjunto.
Ao professor Tarcísio Vanzin, pelo incentivo desde sempre na realização do
doutoramento, em especial no EGC.
Ao membros da banca pelas contribuições que possibilitaram a correção e o
aperfeiçoamento desta tese.
Aos acadêmicos do Ceres-Udesc Thiago Silva e Anaíze Jacinto, bolsistas do
Laboratório de Informática, pela ajuda imprescindível na contabilização e
organização dos dados desta tese.
Aos colegas do EGC pelos momentos compartilhados dentro da Pós Graduação.
.
“Tem gente que passa a vida inteira travando a inútil luta com os galhos sem saber que é lá no tronco que está o coringa do baralho”
(Raul Seixas em As aventuras de Raul Seixas na cidade de Thor)
RESUMO
O avanço da informática nas últimas décadas trouxe mudanças
significativas para as aplicações em computação gráfica. Uma destas
aplicações é o desenvolvimento de modelos digitais tridimensionais que
são utilizadas como ferramenta para desenvolvimento de projetos nas
áreas de Arquitetura, Design e Engenharia. O modelo digital 3D,
desenvolvido em softwares CAD, é central no desenvolvimento do
projeto contemporâneo pois a partir dele diversas outras ações são
realizadas como a análise bioclimática e a fabricação digital. Com base
neste contexto, é fundamental produzir modelos 3D com eficácia e
eficiência. O modelo deve ser correto nas suas dimensões (eficácia) e
produzido no menor tempo possível (eficiência). Para conseguir produzir
modelos eficazes e eficientes é necessário atingir a expertise na tarefa de
modelagem em softwares CAD. Porém, na atividade de modelagem, os
profissionais apresentam diferentes desempenhos, cujas razões ainda
carecem de respostas acadêmicas. Em revisão sistemática realizada, foi
verificado três lacunas nas pesquisas direcionadas à expertise em CAD.
A primeira é a ausência de uma pesquisa que identificasse as ações que
mais impactam o tempo total da tarefa. A segunda é a falta de uma
classificação da expertise. A terceira é a ausência da identificação do
padrão de comportamento do usuário de CAD que o conduz a perda ou
ganho de tempo na tarefa. Através da análise de um teste de modelagem
aplicado à 82 estudantes, foi possível identificar, sistematizar e organizar
as informações necessárias para responder às lacunas identificadas na
literatura. Foi identificado que são três ações que mais impactam o tempo
total da tarefa: o número de comandos dados, o tempo parado sem
modelar e a velocidade de execução dos comandos. Foi identificado
também os padrões de comportamento entre os usuários de CAD que
conduzem a melhor produtividade e proposto um sistema de classificação
da expertise com base nas informações obtidas na pesquisa.
Palavras-chave: Modelagem Digital 3D. CAD. Expertise. Conhecimento
Procedimental. Conhecimento Estratégico.
ABSTRACT
The advancement of information technology in recent decades has
brought significant changes to the applications in computer graphics. One
of these applications is the development of three-dimensional digital
models that used as a tool for development projects in the areas of
Architecture, Design and Engineering. The 3D digital model developed
in CAD software, is central in the development of contemporary design
because from it a number of other actions performed as bioclimatic
analysis and digital manufacturing. Based on this background, it is
essential to produce 3D models effectively and efficiently. The model
must be correct in its dimensions (effectiveness) and produced in the
shortest possible time (efficiency). To produce effective and efficient
models is necessary to achieve expertise in the modeling task in CAD
software. However, in the modeling activity, professionals have different
performances, whose reasons still lack academic answers. In systematic
review, it was found three gaps in research directed towards expertise in
CAD. The first is the absence of a survey to identify the actions that most
affect the total task time. The second is the lack of an expertise
classification. The third is the identification of common behaviors that
leads the CAD user to loss or gain time on task. Through the analysis of
a modeling test applied to 82 students, it was possible to identify, classify
and organize the information needed to respond the shortcomings
identified in the literature. It was identified that there are three actions that
most affect the total task time: the number of data commands, time
stopped without action and the speed of command execution. It was also
identified what common behavior among CAD users leading to better
productivity and was proposed a classification system based on the
information obtained in the research.
Key Words – 3D Digital Modeling. CAD. Expertise. Procedural
Knowledge. Strategic Knowledge.
LISTA DE FIGURAS
Figura 1- Ações desenvolvidas a partir do Modelo Digital 3D ..........................29 Figura 2 - Processo de criação projetual com os ciclos internos de modelagem
num software CAD ............................................................................................29 Figura 3 - Grupo de variáveis que interferem no desempenho da atividade de
modelagem 3D/ CAD. .......................................................................................30 Figura 4 - Estrutura hierárquica do saber. ..........................................................43 Figura 5 - Modelo SECI.....................................................................................47 Figura 6 - Ivan Sutherland trabalhando no Sketchpad. ......................................52 Figura 7- IBM PC com software AutoCAD. .....................................................54 Figura 8 - Modelo 3D com esquemas de representação aramada (Wireframe). .55 Figura 9 - Modelo geométrico com estrutura de dados do tipo Surface Model. 56 Figura 10 - Modelo geométrico com estrutura de dados do tipo paramétrico. ...57 Figura 11- Classificação do software de acordo à interação com o modelo 3D. 58 Figura 12 - AutoCAD - aplicativo de Modelagem Direta. .................................58 Figura 13 - Plugin Grasshoper para Rhino3D - aplicativo de Modelagem
Paramétrica. .......................................................................................................59 Figura 14 - Software Revit - aplicativo de Modelagem Híbrida. .......................59 Figura 15 - Informação de funcionamento do comando Extrude na modelagem
3D no software AutoCAD. ................................................................................61 Figura 16 - Procedimento de alteração de um cubo. ..........................................62 Figura 17 - A diferença de desempenho em decorrência do encadeamento de
comandos (conhecimento procedimental) escolhidos dentro do mesmo software-
Trimble Sketchup...............................................................................................64 Figura 18 - Exemplos do uso do conhecimento estratégico na modelagem 3D. 65 Figura 19 - Componentes principais do modelo proposto de avaliação e
identificação da expertise na atividade de modelagem 3D. ...............................67 Figura 20 - Alunos durante teste de modelagem 3D. .........................................70 Figura 21 - Interface do software CAD utilizado no teste de modelagem –
Trimble Sketchup...............................................................................................74 Figura 22 - Figura ortogonal e isométrica forncecida para modelagem em
pesquisa de Rynne, Gaughran e Seery (2011). ..................................................75 Figura 23 – Modelo 3D número 1 do teste de modelagem 3D. .........................76 Figura 24 – Modelo 3D número 3 do teste de modelagem 3D. .........................77 Figura 25 - Setores definidos para análise das estratégias. ................................78 Figura 26 - Iconografia definida dos comandos para montagem de Mapas de
Procedimento. ....................................................................................................80 Figura 27 - Exemplo de três Mapas de Procedimento do modelo 3D três. ........81 Figura 28 - Gráfico com a distribuição dos tempos em segundos da tarefa de
modelagem 3D dos participantes na modelo 3D 1. ............................................83 Figura 29 - Gráfico com a distribuição dos tempos em segundos da tarefa de
modelagem 3D dos participantes no modelo 3D 2. ...........................................84 Figura 30 - Gráfico com a distribuição dos tempos em segundos da tarefa de
modelagem 3D dos participantes no modelo 3D três. ........................................84
Figura 31 - Histograma mostrando a distribuição dos participantes de acordo a
faixa de tempo alcançado nos modelos 3D 1 e 2. .............................................. 85 Figura 32 - Histograma mostrando a distribuição dos participantes de acordo a
faixa de tempo alcançado no modelo 3D 3. ....................................................... 86 Figura 33- Gráfico Boxplot apontado a concentração dos tempos totais
alcançados nos quartis e os tempos discrepantes encontrados ........................... 89 Figura 34 - Soma do tempo total de modelagem dos três modelos 3D entre
homens e mulheres. ........................................................................................... 92 Figura 35 - Análise de pontos discrepantes na gráfico de dispersão da vol. 1-
Correlação entre tempo total e número de comandos dados. ............................. 97 Figura 36 - Faixas aonde ocorrem os maiores (verde) e os menores (vermelho)
velocidades de execução de comandos. ............................................................. 98 Figura 37 - Classificação da expertise para os três modelos dos três primeiros
colocados do Tempo Total somado. ................................................................ 104 Figura 38 - A ação com falta de produtividade (números vermelhos) versus a
ação produtiva (números azuis) – Mover Aresta. ............................................ 106 Figura 39 - A ação com falta de produtividade (números vermelhos) versus a
ação produtiva (números azuis) – Mover Vértice. ........................................... 106 Figura 40 - O uso de linha guia paralelo a aresta apresenta maior produtividade
do que alinhado................................................................................................ 107 Figura 41 - Extração da sequência de setores modelados de E6 e E71 da modelo
3D 3 a partir do registro no Mapa de Procedimentos. ..................................... 111 Figura 42 - Sequência das folhas que foram entregues no teste de modelagem.
......................................................................................................................... 114 Figura 43 - Modelo de Identificação da Expertise na Modelagem 3D. ........... 116 Figura 44 - Proposta de aplicação computacional do modelo de identificação da
expertise proposto na tese. ............................................................................... 118
LISTA DE QUADROS
Quadro 1 - Trabalhos do PPGEGC - Elicitação do Conhecimento de Experts ..39 Quadro 2 - Comparação de definições do conhecimento com base na dualidade
do conhecimento Explícito e Tácito. .................................................................45 Quadro 3 - Siglas das 40 variáveis medidas na tarefa de modelagem 3D. .........82 Quadro 4 - Quadro síntese dos estilos de modelagem identificados. ...............110
LISTA DE TABELAS
Tabela 1 - Performance na modelagem 3D mostrando tempo, quantidade de
comandos usados e velocidade de execução. .....................................................32 Tabela 2 - Médias e porcentagens da amostra do teste de modelagem 3D. .......72 Tabela 3 - Quantidade de vídeos recolhidos disponíveis para análise. ..............79 Tabela 4 - Os valores de máximo, mínimo e média de 18 variáveis mensuradas
...........................................................................................................................87 Tabela 5 - Os valores de desvio padrão, moda e mediana de 18 variáveis
mensuradas. .......................................................................................................88 Tabela 6 - Correlação entre os dados do Questionário de Balizamento e o
Tempo Total da tarefa. .......................................................................................91 Tabela 7 - Matriz de correlação para os modelos 3D 1 e 2. ...............................93 Tabela 8 - Matriz de correlação para o modelo 3D 3 e geral que considera todos
os modelos. ........................................................................................................94 Tabela 9 - Tabela de classificação da expertise com dados do modelo 3D 1. ..102 Tabela 10 - Ranking dos melhores modeladores considerando a soma do tempo
dos modelos 1 2 e 3. ........................................................................................103 Tabela 11 - Tabela com sequência de setores feitos do modelo 3D 1. .............112 Tabela 12 - Tabela com sequência de setores modelados das três modelos 3D.
.........................................................................................................................113 Tabela 13 - Resultados encontrados na Revisão Sistemática. ..........................132
LISTA DE SIGLAS E ABREVIATURAS
AI - Acesso à Icones
ApM - Aplicar material
Apagar A - Apagar aresta
Apagar B - Apagar em bloco
Apagar C - Apagar cota
Apagar F- Apagar face
Apagar LG - Apagar Linha Guia
BDS - Building Description Systems
BIM - Building Information Modeling
B-Rep - Boundary Representation
CAAD - Computer Aided Architectural Design CAD - Computer Aided Design
Cópia A - Cópia de aresta
Cópia B - Cópia em bloco
Cópia F - Cópia de face
CRT- Cathode Ray Tube
CSG - Constructive Solid Geometry
DOS -Disk Operaion System
EC - Engenharia do Conhecimento
ESDA - Exploratory Sequencial Data Analysis
Faz G/C - Faz Grupo ou Componente
FDe - Faz Desfaz erro
Desfaz G/C - Desfaz Grupo ou Componente
FFig C - Desenho figura plana círculo FFig R -Desenho figura plana retângulo
IA - Inteligência Artificial
Inter F -Interseccionar Face
InvF - Inversão de Face
KA - Knowledge Acquisition
Linha F - Linha que gera face
Linha M - Linha de medição
MIT - Massachusetts Institute of Technology
Mover A - Mover aresta
Mover B - Mover em bloco
Mover F - Mover face
NCD - Número de Comandos Dados
NS/C - Número de Segundos por Comando
NR - Número de Rotações
NS/R - Número de Rotações por Segundo
Orfa - Ocultar/ Reexibir face e aresta
PP - Push Pull
RX - Modo de visualização raio X
SBC - Sistemas Baseado em Conhecimento
SE - Sistemas Especialistas
SECI - Socialização Externalização Combinação e Internalização
SEQ - EST - Sequência e Estratégia
TI - Tempo de Inicio
TO - Tempo Otimizado
TPA - tempo de Pausa
TPRO - Tempo Produtivo
TrM - Trena para medir
TrO - Trena Offset
TT - Tempo Total
UDESC - Universidade Estadual de Santa Catarina
VCD - Variedade de Comandos Dados
SUMÁRIO
1 INTRODUÇÃO ................................................................................ 27 1.1 CONTEXTUALIZAÇÃO E DEFINIÇÃO DO PROBLEMA DE
PESQUISA ........................................................................................................ 27 1.2 QUESTÕES DE PESQUISA ....................................................................... 35 1.3 OBJETIVOS ................................................................................................ 35 1.3.1 Objetivo Geral ......................................................................................... 35 1.3.1 Objetivos Específicos .............................................................................. 35 1.4 ABORDAGEM METODOLÓGICA ........................................................... 36 1.5 DELIMITAÇÕES E ESCOPO DA PESQUISA .......................................... 36 1.6 LIMITES DA PESQUISA ........................................................................... 37 1.7 INEDITISMO .............................................................................................. 38 1.8 ADERÊNCIA DO OBJETO DE PESQUISA AO PPGEGC ....................... 38 1.9 ORGANIZAÇÃO DO TRABALHO ........................................................... 39 2 FUNDAMENTAÇÃO TEÓRICA ................................................... 42 2.1 CONHECIMENTO ..................................................................................... 42 2.1.1 Tipos de Conhecimento .......................................................................... 43 2.2.2 Criação do Conhecimento ...................................................................... 46 2.2.3 Expertise ................................................................................................... 49 2.2.4 Elicitação do Conhecimento/Expertise .................................................. 50 2.2.5 Técnicas de elicitação da expertise ......................................................... 51 2.2 MODELAGEM DIGITAL 3D – SOFTWARES CAD ................................ 52 2.2.1 Tipos de Classificação da Modelagem Digital 3D ................................ 54 2.3 TIPOS DE CONHECIMENTO NA MODELAGEM 3D ............................ 60 2.3.1 Conhecimento Declarativo na Modelagem 3D ..................................... 60 2.3.2 Conhecimento Procedimental na Modelagem 3D ................................ 61 2.3.3 Conhecimento Estratégico na Modelagem 3D ...................................... 63 2.3.4 Conhecimentos avaliados na identificação da expertise ....................... 66 3 PROCEDIMENTO METODOLÓGICO ....................................... 68 3.1 – MÉTODO QUANTITATIVO .................................................................. 68 3.2 – MÉTODO QUALITATIVO ..................................................................... 69 4 APRESENTAÇÃO, ANÁLISE E ORGANIZAÇÃO DOS
RESULTADOS DO TESTE DE MODELAGEM 3D ...................... 70 4.1 APRESENTAÇÃO DO TESTE DE MODELAGEM 3D ........................... 70 4.1.1 -Amostra .................................................................................................. 70 4.1.2 -Procedimento ......................................................................................... 73 4.2 TABULAÇÃO DOS DADOS DO TESTE DE MODELAGEM 3D ........... 78 4.3 RESULTADO E ANÁLISE QUANTITATIVA ENTRE A
PERFORMANCE NA ATIVIDADE DE MODELAGEM E AS VARIÁVEIS
MENSURADAS ................................................................................................ 82 4.3.1 Dados gerais de desempenho .................................................................. 83 4.3.2 Questionário x Desempenho................................................................... 90
4.3.3 Tempo Total x Variáveis ........................................................................ 92 4.4 PROPOSTA DE CLASSIFICAÇÃO DO DESEMPENHO NA
ATIVIDADE DE MODELAGEM 3D ............................................................ 100 4.5 ANÁLISE QUALITATIVA DA PERFORMANCE NA ATIVIDADE DE
MODELAGEM 3D ......................................................................................... 104 4.5.1 – Identificação de ações estratégicas que auxiliam o desempenho na
modelagem 3D ................................................................................................ 104 4.5.2 – Identificação dos Estilos de Modelagem .......................................... 108 4.5.3 - Sub tarefas e estratégia ...................................................................... 111 4.6 MODELO DE IDENTIFICAÇÃO DO ALTO DESEMPENHO NA
ATIVIDADE DE MODELAGEM 3D ............................................................ 115 5 APLICAÇÕES E CONSIDERAÇÕES FINAIS .......................... 117 5.1 SISTEMA DE DIAGNÓSTICO E IDENTIFICAÇÃO DO
PROCEDIMENTO DE ALTO DESEMPENHO ............................................ 117 5.2 CONSIDERAÇÕES FINAIS E SUGESTÕES PARA TRABALHOS
FUTUROS ....................................................................................................... 119 5.2.1 – Recomendação de trabalhos futuros ................................................ 121 REFERÊNCIAS ................................................................................. 123 APÊNDICE A – Revisão Sistemática ............................................... 130 APÊNDICE B - Quadro comparativo de pesquisas em CAD
Expertise...............................................................................................135
APÊNDICE C - Questionário de balizamento aplicado aos
participantes do Teste de Modelagem..............................................137
APÊNDICE D - Tabela completa com dados de balizamento dos
participantes do Teste de Modelagem..............................................139
APÊNDICE E - Planilha Geral com todos os dados mensurados do
Teste de Modelagem...........................................................................141
APÊNDIVE F - Mapas de Procedimento gerados a partir do Teste
de Modelagem.....................................................................................143
27
1 INTRODUÇÃO
Este capítulo introdutório aborda como temática o conhecimento
na modelagem digital 3D para desenvolvimento de projetos. É feita a
análise da sua relevância, da sua organização e das lacunas presentes nas
pesquisas na área. Com base neste recorte temático é definido o problema
de pesquisa que é base para o desenvolvimento deste trabalho.
Visando elucidar o problema de pesquisa proposto na introdução é
apresentado os objetivos a serem alcançados, a abordagem metodológica
utilizada e os limites e delimitações que a pesquisa possui.
1.1 CONTEXTUALIZAÇÃO E DEFINIÇÃO DO PROBLEMA DE
PESQUISA
Este trabalho de pesquisa é direcionado ao estudo do conhecimento
necessário ao desempenho da atividade de modelagem digital 3D por
estudantes e profissionais da área de Arquitetura, Engenharia e Design.
Trata-se de uma atividade onde esses profissionais apresentam diferentes
desempenhos e cujas razões ainda carecem de respostas acadêmicas.
A modelagem digital 3D, está inserida no contexto das
transformações ocorridas nas últimas cinco décadas no processo de
projeto, em decorrência da implementação das ferramentas
computacionais. A computação moderna surgiu durante a Segunda
Guerra Mundial com computadores como o alemão Z3 e os americanos
Mark-1 e Eniac (KALAY, 2004). A necessidade principal consistia em
aprimorar os cálculos matemáticos com fins militares, tendo como
objetivo a quebra de criptografia ou análise de alcance balístico (KALAY,
2004). Porém, após a guerra, o computador foi direcionado a fins civis. A
partir dos anos 60, a área de projetos se beneficiou das potencialidades da
computação. Isso se deveu em grande parte as pesquisas realizadas no
MIT (Massachusetts Institute of Technology). Entre as pesquisas feitas,
destaca-se as que envolveram computação gráfica desenvolvidas pelo
engenheiro Ivan Sutherland. Esse pesquisador auxiliou o
desenvolvimento da realidade virtual e a área de CAD (Computer Aided
Design). Sutherland desenvolveu o Sketchpad, considerado por muitos
autores o primeiro software de suporte ao processo de projeto
(WEISBERG, 2008).
Atualmente o CAD é parte integrante do projeto e representação
gráfica, influenciando o processo de produção de arquitetura e
engenharia. As pesquisas como as de Florio (2005) e Portella (2006)
mostram o impacto na questão formal, funcional e construtiva da
28
arquitetura coma adoção do CAD em seu atual estado de
desenvolvimento. Como descreve Kolarevic (2003), têm-se uma nova
arquitetura que emerge da revolução digital e encontra sua expressão em
formas curvilíneas e de alta complexidade. Essa arquitetura é concebida
dentro do se conhece como a Era do Design Digital (OXMAN, 2006).
A atual forma de projetar com o uso de computadores diferencia-
se daquela que se utilizava até o início dos anos 80, quando todo processo
de criação era feito à mão, com o uso da lapiseira e da prancheta. Oxman
(2006), descreve a atual forma de projetar utilizando o computador, a
partir de cinco distintas maneiras, que vão do tradicional uso do 2D e 3D,
dos anos 80, até os sistemas de algoritmos evolutivos usados atualmente.
O que se observa na descrição de Ryvka Oxman (2006) é que,
independente da forma usada para projetar, todas vão necessariamente
fazer uso de um modelo virtual 3D no processo.
Este conceito de se criar um edifício virtual em 3D a partir de um
modelo digital não é recente. Em 1974, Charles M. Eastman propôs o
Building Description System, um modelador de sólidos desenvolvido na
Universidade Carnegie Mellon. Em 1987 o software ArchiCAD já
propunha o Edificio Virtual, referência do início do paradigma BIM
(Building Information Modeling) (KALAY, 2004). Porém, o
desenvolvimento tecnológico de hardware e software, dos últimos 30
anos, proporcionou um aperfeiçoamento do processo de criação e uso que
se faz deste modelo digital 3D. Esse aperfeiçoamento elevou o modelo
digital 3D a papel de protagonista no processo de projeto contemporâneo.
Como exemplos dos avanços do modelo digital 3D, têm-se a evolução da
parametrização no processo de construção digital 3D, que trouxe
velocidade de criação e edição dos modelos (FLORIO, 2012). Têm –se a
colocação de toda informação dos elementos construtivos e dos processos
de projeto dentro do modelo digital 3D no paradigma BIMm- (UNWIN,
2014). Têm–se adoção da prototipagem rápida nos anos 90 e o
desenvolvimento da fabricação digital que permite a criação de modelos
físicos a partir de modelos digitais com uso de máquinas de corte a laser,
fresadoras e impressoras 3D (CELANI e PUPO, 2008).
Sendo o modelo digital 3D, elemento central para a produção de
arquitetura e engenharia atual (Fig. 1), a criação do modelo 3D pelo
projetista deve ser eficaz e eficiente de modo a agilizar o processo de
desenvolvimento do projeto. Entende-se por eficácia, a criação de um
modelo 3D digital preciso, sem erros dimensionais ou estruturais e
entende-se por eficiência a produção do modelo 3D com eficácia no
menor tempo possível.
29
Figura 1- Ações desenvolvidas a partir do Modelo Digital 3D
.
Fonte: Autor.
Atualmente, o desenho digital e a modelagem digital 3D são
representações inseridas dentro do processo de criação em arquitetura e
engenharia. A modelagem 3D está presente durante todo o processo de
projeto. Através de diversos ciclos de modelagem, o projetista busca o
refinamento volumétrico de uma ideia até alcançar uma proposição final
como ocorre, por exemplo, nas etapas iniciais de concepção (Fig. 2).
Figura 2 - Processo de criação projetual com os ciclos internos de modelagem
num software CAD
Fonte: Autor.
Com base nos conhecimentos que o projetista possui, ele imagina
uma nova forma ou arranjo para a resolução do problema de projeto. Com
30
isso, ele executa a atividade de modelagem dentro do ciclo criação/edição
que os softwares CAD possuem (PEKTAS 2009).
O uso do CAD insere, dentro do processo projetual, uma atividade
intensiva em conhecimento que exige do profissional uma considerável
bagagem de conhecimento prévio, treinamento e experiência. Nesse
sentido, o CAD deve ser examinado com mais relevância, pois pode vir a
ser obstáculo à produtividade e à criatividade de quem o utiliza.
Muitas pesquisas realizadas, como Ahmed, Wallace, e Blessing
(2003) Cross (2004), Lawson (2004), abordaram o desempenho na tarefa
do arquiteto no ato de projetar. Mas o fizeram considerando o ato de
projetar no modelo tradicional, com lápis e papel.
A inserção das ferramentas computacionais no processo de projeto
traz a necessidade de se considerar o CAD na análise de desempenho
projetual com base na bagagem de conhecimento do projetista. Como cita
Salman, Laing e Conniff (2014), muitos dos estudos se baseiam no
impacto do desenho no processo de projeto, o que é um debate de mídia
específica, sendo que a discussão e a reflexão sobre o CAAD ainda
precisa ser examinada em muitos detalhes. O que se verifica é que,
pesquisas que consideram somente o lápis, caneta e papel nos testes, não
verificam o impacto da variável da ferramenta computacional no processo
de criação tanto em 2D quanto em 3D. O entendimento aprofundado deste
elemento do processo de projeto, que é a modelagem 3D, envolve a
investigação sobre quais fatores interferem no desempenho dessa tarefa.
Na Figura 3, listou-se alguns fatores diretamente ligados a essa atividade.
Figura 3 - Grupo de variáveis que interferem no desempenho da atividade de
modelagem 3D/ CAD.
Fonte: Autor
31
Há os fatores ligados ao indivíduo (autor do projeto) que foram
listados na cor verde. Neste, estão os aspectos cognitivos, que podem
influenciar na atividade de modelagem 3D, como a habilidade
visuoespacial. Têm–se também os aspectos como a motivação e o
interesse na atividade como mostra o artigo de Hamade Artail e Jaber
(2011) e a questão emocional como mostra Liu et al (2014), E há o
aprendizado, que dependendo da forma como foi conduzido, pode ser
impactante no resultado final da tarefa como mostra Hamade (2012).
Na Figura 3 aparecem listadas, em azul, as variáveis que interferem
no desempenho, mas referem-se à infraestrutura de trabalho como; o
software utilizado, o hardware e espaço onde ocorre a atividade. As
variáveis em azul podem ser padronizadas numa empresa ou instituição
de ensino oferecendo os mesmo recursos a todos os usuários. Porém o
desempenho será diferente em decorrência das variáveis listadas em
verde.
Definida a relevância deste tipo de estudo fez-se necessário um
aprofundamento para conhecer o que há de pesquisa neste campo, qual a
abordagem teórica e qual os desenvolvimentos. Para isso foi realizada
uma Revisão Sistemática entre 12/08/2015 e 12/09/2015 buscando a
identificação das pesquisas que são destinadas a teorização, análise e
quantificação do desempenho na atividade de modelagem 3D em
softwares CAD. Neste levantamento foi feito uma síntese da área com as
potencialidades, carências e lacunas que precisam de aprofundamento.
A abordagem da revisão sistemática utilizou para as buscas as
palavras-chave: CAD, Expertise, Procedural Knowledge, Strategic
Knowledge,, Task Analysis. Os resultados encontrados, as etapas
desenvolvidas e os critérios de seleção encontram-se no Apêndice A.
Após o levantamento foram selecionados 15 artigos e trabalhos de
congresso para leitura em profundidade e análise. Estes 15
artigos/trabalhos que compreendem o intervalo dos anos de 1991 a 2015.
Esse material foi analisado seguindo critérios comparativos analisando
seus objetivos, metodologia, amostra, resultados etc.. Este quadro
comparativo encontra-se no Apêndice B.
A partir da análise, diversos fatores foram observados como: a
revisão da literatura utilizada na área, métodos de pesquisa e conclusões.
É a partir da lacunas que estes trabalhos apresentam que se delineia o
problema de pesquisa.
Na análise do direcionamento, metodologia e resultados das
pesquisas separadas na revisão sistemática três lacunas foram
identificadas. São elas:
32
Ausência de um modelo de composição do tempo total gasto na tarefa
de modelagem 3D
Partindo do pressuposto que um modelo 3D foi feito corretamente
(com eficácia), o principal componente de referência para determinar se
houve também eficiência na atividade é o tempo total gasto na tarefa. A
maioria das pesquisas mensurou o tempo total da tarefa. Porém nenhuma
delas decompôs todas as variáveis que contribuem para a formação deste
tempo. Quem mais se aproximou desta composição foi Lang et al (1991)
e Chi, Lan e Tsai (2000). Porém alguns aspectos foram desconsiderados.
No caso de Lang et al (1991), o autor não considera a análise do tempo
produtivo da tarefa, que consiste no tempo total da tarefa menos o tempo
que o cursor fica parado (quando não há comandos sendo executados).
Além da falta do tempo produtivo, observa-se na tabela 1 extraído
de Lang et al (1991) que não há uma correlação entre número de
comandos dados e tempo total da tarefa. A menor quantidade de
comandos dados não é do menor tempo na tarefa, como seria o esperado
pelo que aponta a maioria dos trabalhos do Quadro Comparativo do
Apêndice B. Todas as pesquisas ressaltam que o número de comandos
dados intervêm no tempo total da tarefa. Então como se explica o
resultado da tabela 1 no qual o menor tempo não possui a menor
quantidade de comandos dados. Há fatores intervenientes no tempo total
que não foram listados e identificados.
Tabela 1 - Performance na modelagem 3D mostrando tempo, quantidade de
comandos usados e velocidade de execução.
Fonte: Lang et al (1991)
Na pesquisa de Chi, Lan e Tsai (2000), foram considerados quatro
tipos diferentes de tempo na atividade. Foi analisado o denominado tempo
físico (que seria executando a atividade), o tempo mental amplo (o tempo
33
parado sem comandos, acima de 3 segundos) o tempo mental pequeno
(parado sem comandos, abaixo de 3 segundos) e o tempo de erro (erros
cometidos sem conclusão de comando).
Embora de grande importância essas medições, elas foram feitas
num sistema no qual a modelagem não fez uso de cursor de mouse (A
pesquisa se baseia num experimento de 1996, feito com software AutoCAD R10 para sistema DOS). Com isso muito do que foi feito está
longe da realidade atual do processo de desenho e modelagem 3D. Como
exemplo, têm-se a medição do tempo de erro que não seria feita da mesma
forma nos dias atuais. Os erros foram analisados somente quanto à
digitação de comandos, sem considerar erros de clique do cursor por não
utilizar mouse.
Além destes dois trabalhos citados, outros também analisaram
tempo total mas sem se ater em aspectos relevantes como o tempo mental
pequeno e grande de Chi, Lan e Tsai (2000). Ou seja desconsideram o
tempo gasto de processamento cognitivo que ocorre durante a tarefa.
Observou-se em pesquisas como em Bhavnani e Garrett (1993), Hartman
(2005) e em outras um foco demasiado em identificar formas de modelar
que os usuários criam. Buscou-se também enfatizar explicações para
desempenho díspares do que verificar o todo de variáveis que influenciam
o tempo total da tarefa. Em outras pesquisas como Chester (2007) e Peng
et al, (2015) o enfoque está no ensino de técnicas de estratégia e
verificação de quanto estas estratégias auxiliam o de desempenho na
tarefa. Porém, a eficiência na tarefa, que basicamente é o tempo total
pode não ser explicado somente pelo quesito estratégia. Outras variáveis
estão envolvidas e somente a identificação global dos fatores que
interferem no tempo total podem elucidar estas questões.
Se ater a um só aspecto da atividade como o número de comandos
dados, pode fazer com que as variáveis subjacentes que interferem
diretamente no tempo total da tarefa passem desapercebidas ou sejam
subjugadas. Portanto, visando o alto desempenho na tarefa se faz
necessário identificar onde ocorre perda significativa de tempo,
identificando seu impacto na composição do tempo total.
Ausência de classificação da expertise
Outra carência, observada nas pesquisas analisadas, é a ausência
de um sistema de classificação que aponte uma métrica para verificar o
grau de domínio do conhecimento declarativo, procedimental e
estratégico que o estudante/profissional possui. Muitas pesquisas como
Hamade (2012), Bhavnani e Garret (1993) analisam os modeladores na
34
dicotomia entre Novatos e Experts. Porém, há entre estes dois extremos
um crescente de aprendizado e evolução. Como identificar se um usuário
está mais próximo de um Novato ou de um Expert? Essa análise não é
feita a partir dos dados recolhidos das amostras.
A qualidade de um treinamento requer necessariamente
identificar em qual estágio de evolução o usuário do software CAD se
encontra. Uma ferramenta de classificação, baseado em dados
mensuráveis é útil para verificar a evolução até se alcançar a expertise.
Chester (2008) aponta que há dificuldades potenciais em se identificar a
expertise em sistemas computacionais complexos, especialmente
modelagem 3D em CAD. Chester (2008) relata que a expertise é feita por
indicação pelos pares ou pela experiência atestada. Chester (2006, 2008)
aponta que não há profissionais em quantidade para fazer a identificação
dos experts. Com isso, uma ferramenta computacional de suporte a
identificação dos experts se apresenta como uma alternativa para
minimizar o problema.
Ausência da verificação da existência e caracterização do estilo de
modelagem
Outro aspecto que não é abordado pelas pesquisas é a identificação
do “estilos de modelagem”. Este termo concebido nessa tese consiste num
padrão de comportamento existente pelo usuário quando faz uso do
software CAD. Este estilo seria uma assinatura caraterística de um
indivíduo ao proceder dentro da ferramenta. Essa caraterística única pode
aparecer na velocidade de execução de comandos, no uso de comandos
específicos ou na própria organização da tarefa.
Se o comportamento do usuário não é randômico, que muda a todo
momento, será explicitado, a partir de uma quantidade de modelagens
feitas, alguns comportamentos padronizados. Esse padrão de
comportamento gera algum tipo de influência no tempo total da tarefa. Se
durante a tarefa, o indivíduo utiliza, por exemplo, um comando específico
de medição extremamente demorado repetidas vezes, haverá impacto
relevante no tempo final de execução.
As pesquisas analisadas que repetiram diversas modelagens com o
mesmo usuário como em Bhavnani, John e Flemming (1999), Hamade e
Artail (2008) e Hamade (2012) não buscaram identificar padrões de
comportamento específico nos usuários. O foco foi listar a melhores
práticas entre os experts ou gerar curvas de aprendizado verificando o
tempo total da tarefa após diversas modelagens feitas ao longo de diversas
semanas. Em Hamade (2012) verificou-se que o tempo total da tarefa foi
35
reduzindo, que houve aprendizado, mas não se identificou com clareza
em que aspecto do comportamento da tarefa houve mais evolução. Talvez
dois alunos atingiram o mesmo tempo de modelagem ao final do
treinamento, mas se aperfeiçoaram em ações, dentro da tarefa, totalmente
distintas. Um pode ter melhorado a velocidade de execução dos comandos
e outro abandonou o uso de ícones.
Essas três lacunas identificadas na área de CAD Expertise
precisam ser contornadas se o objetivo for identificar procedimentos de
alto desempenho. Esses delineamento compõe o problema de pesquisa
desta tese.
Ao se propor uma pedagogia voltada a ensinar usuários de
software CAD a atingir a expertise ou propor um sistema de diagnóstico
do modelador 3D para uma empresa é necessário conhecer de modo
global quais comportamentos direcionam a ganho e perda relevante de
tempo. Além disso, identificar padrões de comportamento que levam a
perda de tempo é necessário para que os mesmos possam ser corrigidos e
as boas práticas sejam implementadas e incentivadas.
1.2 QUESTÕES DE PESQUISA
- Quais são as principais variáveis que impactam no tempo total da
tarefa de modelagem 3D?
- Quais os comportamentos padronizados que definem os “estilos
de modelagem” e trazem ganho e perda ao tempo total da tarefa?
1.3 OBJETIVOS
O presente trabalho está pautado pelos seguintes objetivos:
1.3.1 Objetivo Geral
Propor um modelo de identificação e classificação do
conhecimento procedimental e estratégico de alto desempenho na
atividade de modelagem 3D em software CAD.
1.3.1 Objetivos Específicos
- Identificar quais os tipos de conhecimento existentes dentro da
atividade de modelagem 3D, suas características e seu impacto no
desempenho.
36
- Identificar quais ações na tarefa de modelagem 3D mais
impactam o tempo total da tarefa.
- Apontar quais comportamentos padronizados, dos usuários dos
softwares CAD, conduzem a ganho e perda de tempo na atividade de
modelagem 3D.
- Estabelecer um sistema de classificação do desempenho na
atividade de modelagem digital 3D.
1.4 ABORDAGEM METODOLÓGICA
Com base em Gil (2002), a pesquisa desta tese se classifica como
explicativa, pois como descreve o autor “pesquisas explicativas têm como
preocupação central identificar os fatores que determinam ou contribuem
para a ocorrência dos fenômenos”.
Com base nos procedimentos técnicos utilizados, essa pesquisa se
aproxima da pesquisa de campo proposta por Gil (2002). Isso pelas
características de pesquisa que visa observar comportamentos de um
grupo de pessoas em específico para análise e diagnóstico.
O fenômeno observado é o comportamento na atividade de
modelagem digital 3D e o objetivo é identificar as melhores práticas
visando a produtividade na tarefa.
Como o fenômeno se traduz num conjunto de procedimentos que
muitas vezes são criados conscientemente pelos projetistas e
modeladores, o conhecimento se configura como conhecimento tácito.
Em alguns casos, os projetistas e modeladores não têm consciência do
conhecimento que possuem e das ações que provocam na tarefa. Isso se
constitui em conhecimento implícito. A abordagem metodológica visa
identificar estes dois tipos de conhecimento que trazem produtividade
para a tarefa.
Para atingir o objetivo geral foi realizado o rastreamento do
processo de um teste de modelagem 3D. A partir dos dados coletados fez-
se uso de um conjunto de correlações visando identificar quais aspectos
impactam o tempo total da tarefa e a sua relação com os tipos de
conhecimento existente na tarefa. Fez-se também um conjunto de
medições visando identificar comportamentos específicos dos usuários e
as consequências para o desempenho.
1.5 DELIMITAÇÕES E ESCOPO DA PESQUISA
A atividade de modelagem digital 3D é uma sub tarefa do
processo de criação e detalhamento em arquitetura e engenharia. Porém o
37
escopo desta pesquisa está exclusivamente relacionado ao processo de
modelagem digital 3D, suas características, seus encaminhamentos e
atributos específicos. Aspectos associados a metodologia de projeto como
processo de criação, etapas de projeto e outros conceitos não foram
considerados. Está fora do escopo dessa pesquisa a análise de questões
ligadas à pesquisa em criatividade, como seria a análise da concepção de
uma forma 3D a partir de variáveis de projeto. Todos os modelos 3D que
foram feitas no teste de modelagem 3D foram disponibilizadas prontas
através de desenhos impressos.
A característica do objeto 3D produzido no texto de modelagem
é referente às etapas iniciais de projetos. Nessa tese não se verificou como
ocorre modelagens com detalhamento, como ocorre em fases finais de
projeto.
O impacto na atividade de modelagem 3D de aspectos de
interface e usabilidade não foram considerados nesta pesquisa. O motivo
é que interface e usabilidade compõe um campo específico com
metodologias próprias de avaliação e também porque o foco desta
pesquisa é de um modelo teórico multi plataforma, ou seja, os resultados
encontrados não ficam restritos a um tipo específico de software e
consequentemente de interface/usabilidade.
A expertise em modelagem 3D que trata esta tese está
relacionada somente à capacidade de se produzir um modelo 3D preciso
e no menor tempo possível. Outros aspectos de expertise como, por
exemplo, a capacidade de produzir modelos de fácil organização e leitura
para posterior edição não foi considerada.
1.6 LIMITES DA PESQUISA
A modelagem digital 3D envolve um amplo espectro de softwares
e disciplinas. Mas foi necessário limitar a pesquisa decorrente da amostra
disponível para realizar o teste de modelagem. Com isso estabeleceu os
seguintes limites:
a) Pela disponibilidade para aplicação do teste, essa pesquisa teve
como amostra alunos que estão cursando a graduação, e não profissionais
atuando no mercado.
b) Embora o uso de modelagem digital 3D esteja presente em
várias áreas como as engenharias, games, cinema e publicidade, a
pesquisa sobre modelagem 3D desta tese ocorreu com alunos de um curso
de arquitetura e urbanismo. Portanto o modelo proposto nessa pesquisa
tem o viés da área de Arquitetura na análise da modelagem 3D.
38
c) Para se alcançar uma amostra acima de 50 pessoas no teste de
modelagem 3D utilizou-se o software Trimble Sketchup que possuia
grande quantidade de usuários disponíveis. Com isso a pesquisa enfocou
somente a modelagem 3D do tipo modelagem direta. Outros tipos de
modelagem, como a modelagem paramétrica, necessitaria de outra
pesquisa com abordagem correlata.
1.7 INEDITISMO
O ineditismo é consequência do levantamento e análise feito no
Apêndice A – Revisão Sistemática. Verificou-se a ausência de uma
pesquisa que identifica-se os fatores que impactam de modo mais
preeminente o tempo total da atividade de modelagem, classificação da
expertise e verificação dos estilos de modelagem. A partir da identificação
destes fatores foi proposto um modelo de identificação da expertise em
modelagem 3D. O resultado possibilita aplicações futuras em sistemas
computacionais como a criação de um sistema de diagnóstico da expertise
apresentado no capítulo 5.
1.8 ADERÊNCIA DO OBJETO DE PESQUISA AO PPGEGC
A aderência ao Programa de Pós Graduação em Engenharia e
Gestão (PPGEGC) está alicerçada no conhecimento como elemento
central. O principal foco da pesquisa é o conhecimento, no caso o
conhecimento procedimental e estratégico num domínio específico. Sobre
estes dois conhecimentos se estabelece um pesquisa sobre os fatores
essenciais para o alcance da expertise na atividade de modelagem 3D.
O EGC estabelece três áreas de concentração: Gestão do
Conhecimento, Engenharia do Conhecimento e Mídias do Conhecimento.
Dentro destas três áreas de concentração cada uma possui três linhas de
pesquisa.
Esta pesquisa está enquadrada na área de concentração Mídias do
Conhecimento e na linha de pesquisa Mídia e Conhecimento na
Educação. Nesta linha estão pesquisas que buscam a eficiência do
processo de ensino sob a utilização de meios tecnológicos. A pesquisa
desenvolvida nesta tese apontou quais os aspectos que impactam o
processo de modelagem 3D e como estes devem ser reforçados no
processo ensino-aprendizagem. A tese propõe um sistema baseado no
conhecimento que faz a avaliação do estudante e a proposição de objetos
de aprendizagem específicos para cada deficiência identificada.
39
No PPGEGC outros trabalhos repetem o que foi feito nesta tese
com ênfase na identificação dos fatores que levam a ganho e perda de
produtividade e qualidade de atividades desenvolvidas. Estas pesquisas
utilizam técnicas para elicitação do conhecimento através de fontes
humanas como as citadas por Nazario et al (2012). O objetivo é o mesmo
deste trabalho que consiste na melhoria de processos baseado no
conhecimento a partir do entendimento aprofundado da competência de
uma atividade.
Como exemplo de trabalhos anteriores do PPGEGC, cita-se Matté
(2009), Fernandes (2011) e Lasso (2016). Todas estas pesquisas buscam
elicitar conhecimento existente em experts em busca do aprimoramento
do processo de trabalho. O trabalho mais similar à esta tese é Matté
(2009), que busca a identificação aprofundada da prática projetual de
designers gráficos profissionais para posteriormente criar um material
didático destes conhecimentos. Em Matté (2009) assim como nesta tese
há fases bem definidas para a elicitação do conhecimento, a organização
deste conhecimento elicitado e a retroalimentação deste conhecimento
num processo ensino-aprendizagem. A diferença principal em relação à
Matté (2009), é que esta tese avaliou arquitetos no domínio da modelagem
3D ao invés de designer gráficos em tipografia e esta tese propôs material
didático em vídeo ao invés de impresso.
Quadro 1 - Trabalhos do PPGEGC - Elicitação do Conhecimento de Experts
Fonte: Autor
1.9 ORGANIZAÇÃO DO TRABALHO
Este trabalho está organizado de acordo com a seguinte estrutura
listada abaixo:
40
1 - Introdução – No capítulo Introdução foi apresentado o recorte
temático da expertise na modelagem 3D, o delineamento do problema de
pesquisa, os objetivos alcançados, limitações, delimitações, ineditismo e
a aderência ao Programa de Pós Graduação do EGC.
2 - Fundamentação Teórica- No capítulo 2 foi feita a
fundamentação em três temas que servem de base para o entendimento e
a análise do teste de modelagem 3D realizado. Os temas são: O
conhecimento, A modelagem digital 3D e o conhecimento na modelagem
digital 3D.
3 - Procedimento Metodológico- O capítulo de Procedimento
Metodológico aponta como os objetivos foram alcançados e como foram
feitas as análises quantitativa e qualitativas presentes na tese.
4 – Apresentação, Análise e Organização dos resultados do teste
de modelagem 3D – Neste capítulo é apresentado como foi feito e que
resultados foram encontrados no teste de modelagem 3D realizado. A
partir dos resultados é apresentado um conjunto de análises que
possibilitaram a estruturação do modelo de identificação da expertise da
modelagem 3D.
5 - Aplicações e Considerações Finais – Neste capítulo é
apresentado um exemplo de aplicação do modelo de identificação da
expertise num sistema computacional e é feita a conclusão do trabalho
com sugestão de linhas de pesquisa para trabalhos futuros.
Referências – Nessa seção estão as referências que dão suporte à
este trabalho.
Apêndice A – Neste apêndice está descrição das etapas realizadas
da revisão sistemática realizada em CAD Expertise.
Apêndice B – Neste apêndice está o Quadro Comparativo de
pesquisas encontradas e separadas da Revisão Sistemática.
Apêndice C – Neste apêndice encontra-se o questionário aplicado
aos 82 participantes do teste de modelagem 3D realizado.
41
Apêndice D- Neste apêndice encontra-se o resultado do
questionário de todos os 82 participantes do teste de modelagem 3D
realizado.
Apêndice E – Neste apêndice encontra-se a Planilha Geral com os
dados mensurados da tarefa de modelagem 3D dos 82 participantes.
Apêndice F – Neste apêndice encontra-se os 163 Mapas de
Procedimento extraídos do teste de modelagem 3D. São 67 do modelo 3D
1, 55 do modelo 3D 2 e 41 do modelo 3D
42
2 FUNDAMENTAÇÃO TEÓRICA
Neste capítulo é feita a revisão teórica e conceitual sobre os tipos
de conhecimento e sua relação com as definições do campo da
Modelagem digital 3D. Essas conceituações servem de base para as
análises proferidas nos resultados encontrados no teste de modelagem 3D
do capítulo 4.
2.1 CONHECIMENTO
Nos tempos atuais, o conhecimento têm sido reconhecido como
entidade de valor necessária para o sucesso das organizações do século
XXI. Como descreve Schreiber et al (2000) a economia e a vida social
está cada vez mais direcionada no conhecimento. Portanto, o
conhecimento, consiste num ativo de grande valor para sociedade
contemporânea. Entender, explicitar, sistematizar e incorporar
conhecimento dentro das corporações e instituições de caráter público ou
privada torna-se essencial para o progresso em geral.
O conhecimento em si já é discutido conceitualmente há muitos
anos na filosofia e é debatido sem uma definição definitiva (SCHREIBER
et al, 2000).
Para Davenport e Prusak (1998), o conhecimento é uma mistura
fluida de experiência estruturada, valores, informação contextual e
discernimento especializado que fornece um parâmetro para avaliar e
incorporar novas experiências em informação.
Para Setzer (1999), o conhecimento é como uma abstração interior,
pessoal, de algo que foi experimentado, vivenciado, por alguém.
Para Castell e Gerhardt (2000), o conhecimento é um conjunto de
declarações organizadas sobre fatos ou ideias, apresentando um
julgamento ponderado ou resultado experimental.
Nonaka, Toyama e Konno (2000), adotam a definição platônica de
que o conhecimento é um crença verdadeira e justificada, mas com
ressalvas. Nonaka, Toyama e Konno (2000) defendem esse pensamento
ao se posicionar mais próximo a palavra “justificada” do que da palavra
“verdadeira”, da definição platônica. Para os autores, na tradição
epistemológica ocidental, a veracidade é o atributo essencial do
conhecimento, sendo absoluto e estático. Portanto não humana. Para
considerar o relativo, o dinâmico e o humanístico no conhecimento é
preciso considerar o contexto.
De acordo Nonaka, Toyama e Konno (2000), o conhecimento sem
contexto é somente informação. Nesse sentido, Schreiber et al (2000)
43
discordam em parte, ao definir informação como um dado equipado com
significado para o contexto humano. Schreiber et al (2000) alerta para a
dificuldade de confusão entre os limites entre os termos conhecimento e
informação.
Shedroff (1999) também ressalta que informação e conhecimento
são contextuais como Schreiber et al (2000), mas de modo diferente. A
informação possuí um contexto global enquanto o conhecimento está num
contexto local. (Fig. 4)
Figura 4 - Estrutura hierárquica do saber.
Fonte: Adaptado de Shedroff (1999).
É de relevância a distinção dos limites entre dado, informação e
conhecimento para conseguir apontar aonde está o gargalo/potencialidade
de uma determinada tarefa, departamento ou organização.
No âmbito geral é importante considerar que nas definições de
conhecimento citadas, todas ressaltam a experiência individual. Embora
o conhecimento é atrelado a condição humana ele pode estar dentro de
um sistema especialista como Inteligência Artificial (IA) após ter sido
extraído e sistematizado pela Engenharia do Conhecimento (EC).
2.1.1 Tipos de Conhecimento
44
O conhecimento é dividido em diferentes tipos baseado em
classificações que consideram o contexto no qual ele se apresenta. Ter
clareza desses estes tipos de conhecimento é essencial para uma pesquisa
que envolva alguma abordagem de extração, sistematização, organização,
disseminação ou compartilhamento do conhecimento.
A classificação comumente utilizado do conhecimento é a divisão
em conhecimento declarativo e conhecimento procedimental
(STERNBERG,2010, p.226).
O conhecimento declarativo é relativo aos fatos que podem ser
enunciados, assim como data de nascimento ou como um coelho aparenta
ser.
O conhecimento de procedimentos é relacionado aos passos que
podem ser necessários para dar um laço no sapato ou dirigir um carro.
Está relacionado a memória procedural. A distinção entre ambos é entre
“saber que” e “saber como” (RYLE, 1949). Sternberg (2010) delineia o
conhecimento declarativo como consciente e explícito e o conhecimento
procedural como inconsciente, implícito e automático
Kratochvil (2009) propõe outro tipo de conhecimento que é o
condicional. Este está ligado ao “Quando e Porquê”, descrevendo as
circunstâncias de aplicação dos procedimentos. Este conhecimento
condicional aparece em Chester (2007) como conhecimento de estratégias
na modelagem 3D. O autor descreve como sendo o conhecimento ligado
ao controle de funções, sendo utilizado para escolha de soluções para
resolução de problema, monitorar o progresso, predizer consequências e
avaliar ações. É o conhecimento que determina quando e por que usar os
procedimentos conhecidos. Chester (2007) não utiliza o termo
conhecimento condicional e refere-se muitas vezes à este conhecimento
como estratégico. Pela caraterística de monitoramento, avaliação e
predição, Chester (2007) descreve também o conhecimento estratégico
como metacognição.
Outra classificação também relevante do conhecimento é quanto a
internalização/externalização. Nonaka e Takeuchi (1995) utiliza nas suas
pesquisas a taxonomia de conhecimento tácito e conhecimento explícito.
Essa classificação analisa outra dimensão além da classificação descrita
que divide o conhecimento em declarativo, procedimental e estratégico.
O conhecimento tácito está profundamente enraizado na ação,
procedimentos, rotinas, compromisso, ideais, valores e emoções. Está
incorporado em um conhecimento abrangente da mente humana e do
corpo. É difícil comunicar o conhecimento tácito para outros, uma vez
que é um processo análogo que requer um tipo de `processamento
simultâneo". Polanyi (1966) afirma que as pessoas sabem mais do que
45
eles podem explicar; isto é, os indivíduos têm um conhecimento que é
não-verbalizado, intuitivo e desarticulado. Schreiber et al (2000) pontua
que o conhecimento tácito atua como background da capacidade/aptidão,
parcialmente inconsciente e decorrente da experiência e é utilizado na
resolução de problemas e outras tarefas humanas.
O conhecimento explícito é expresso numa linguagem formal e
sistemática e distribuídos em forma de dados, formulários científicos,
manuais. Pode ser processado, transmitido e armazenado com relativa
facilidade. Binz-Scharf (2003) destaca que o exemplo clássico atual do
conhecimento explícito são os grandes bancos de dados existentes.
Bins-Scharf (2003) faz um quadro síntese (Quadro 1) que reúne
várias definições de taxonomias tendo por base a dualidade
tácito/explicito. Quadro 2 - Comparação de definições do conhecimento com base na dualidade
do conhecimento Explícito e Tácito.
Fonte: Bins-Scharf (2003. Tradução nossa)
Observa-se que Bins-Scharf (2003) posiciona o conhecimento
Explícito com o Declarativo e o Tácito com o Procedimental na linha de Anderson (1983). Embora questionável esse alinhamento rígido, ressalta-
se que o modo de proceder numa tarefa dependendo da atividade têm
realmente um variável personalizada muito proeminente.
Numa atividade como a manipulação de um maquinário da
indústria o script da tarefa é rígido visando a produtividade e a segurança
46
do empregado. Na atividade do design, da arquitetura, da engenharia e da
modelagem digital 3D, o modo de proceder é mais flexível pois depende
do contexto do que será produzido. Por conta disso o modo de agir é mais
customizado a maneira de ser do indivíduo baseado no conhecimento
explícito e tácito que possui. O conhecimento do tipo explícito na
atividade de modelagem 3D está presente atualmente nos manuais do
fabricante e tutoriais on line. Porém há muito conhecimento tácito que
pode ser descoberto, sistematizado e incorporado ao conhecimento
explícito existente.
2.2.2 Criação do Conhecimento
Nonaka, Toyama e Konno (2000) relatam que a criação do
conhecimento é um processo de auto superação contínua aonde a fronteira
do velho é superado pelo novo pela aquisição de uma nova visão de
mundo, um novo contexto e um novo conhecimento. Em síntese é sempre
a jornada no sentido do ser para tornar-se.
Porém, para alcançar o novo conhecimento citado, Nonaka,
Toyama e Konno (2000) relata que não basta ter o conhecimento explícito
ou o tácito. É necessário a junção de ambos os conhecimentos em
complementaridade. A criação do conhecimento ocorre pela interação
entre o explícito e o tácito.
Visando a criação de novos conhecimentos Nonaka e Takeuchi
(1997) propõe o modelo SECI (Fig 5).
Este modelo consiste em interações entre tácito e explicito visando
o avanço do conhecimento. O modelo está dividido em quatro dimensões:
Socialização, Externalização, Combinação e Internalização.
A Socialização consiste na conversão de tácito para tácito, é o
processo de conversão de novo conhecimento tácito através de
experiências compartilhadas. Como o conhecimento tácito é difícil de
formalizar, muitas vezes o conhecimento tácito só pode ser adquirida
através da experiência compartilhada, como gastar tempo juntos ou viver
no mesmo ambiente.
A Socialização geralmente ocorre em uma aprendizagem usual,
aonde aprendizes absorvem o conhecimento tácito necessário ao seu
ofício através da experiência direta, em vez de manuais escritos ou livros
didáticos. A socialização também pode ocorrer de modo informal em
reuniões sociais fora do local de trabalho, onde o conhecimento tácito,
tais como visões de mundo, modelos mentais e confiança mútua podem
ser criados e compartilhados. A socialização também ocorre além dos
limites organizacionais. As empresas costumam adquirir e tirar proveito
47
do conhecimento tácito incorporado em clientes ou fornecedores por
interagir com elas. (NONAKA, TOYAMA e KONNO, 2000).
Figura 5 - Modelo SECI.
Fonte: Adaptado de Nonaka, Toyama e Konno (2000)
A Externalização é a conversão de tácito para explícito. Quando
o conhecimento tácito é transformado em explícito ele é cristalizado,
permitindo assim que seja partilhado por outros, e torna-se a base de
novos conhecimentos. O conceito de criação no desenvolvimento de
novos produtos é um exemplo deste processo de conversão. Outro
exemplo é um círculo de controle de qualidade, que permite que os
funcionários façam melhorias sobre o processo de fabricação, articulando
o conhecimento tácito acumulado dentro da fábrica ao longo de anos no
trabalho. (NONAKA, TOYAMA e KONNO, 2000).
A Combinação é a conversão de explícito para explícito. Consiste
em converter o conhecimento explícito em conjuntos mais complexos e sistemáticos de conhecimento explícito. O conhecimento explícito é
recolhido a partir de dentro ou fora da organização para em seguida ser
combinado, editados ou processados para formar novos conhecimentos.
O novo conhecimento explícito é então disseminado entre os membros da
organização. O uso criativo de redes informáticas de comunicação e
48
bancos de dados de grande escala pode facilitar esse modo de conversão
do conhecimento. Quando o controlador de uma empresa coleta
informações em toda a organização e coloca junto num contexto para
fazer um relatório financeiro. Este relatório é o novo conhecimento de
modo que sintetiza o conhecimento de muitas fontes diferentes num
contexto. O modo de combinação de conversão do conhecimento é incluir
a quebra de paradigma ao propor uma nova visão corporativa de negócios
e produtos. Isso explícita novos conhecimentos. (NONAKA, TOYAMA
e KONNO,2000).
A Internalização é a conversão de explícito para tácito. Através
da internalização, o conhecimento explícito criado é compartilhado por
toda a organização e convertido em conhecimento tácito por indivíduos.
Internalização está intimamente relacionado com “aprender fazendo". O
conhecimento explícito, tais como os conceitos de produtos ou os
processos de fabricação, tende a sofrer atualização através da ação e
prática. Programas de treinamento, por exemplo, podem ajudar os
formandos a compreender uma organização e a si mesmos. Ao ler
documentos ou manuais sobre seus trabalhos e organização, os estagiários
podem internalizar o conhecimento explícito escrito em tais documentos
para enriquecer sua base de conhecimento tácito.
Quando o conhecimento é internalizado para tornar-se parte da
base de conhecimento tácito individual na forma de um modelo mental
compartilhado torna-se um bem valioso. Esse conhecimento tácito
acumulado no nível individual pode então detonar uma nova espiral de
criação de conhecimento, quando é compartilhado com os outros através
da socialização. (NONAKA, TOYAMA e KONNO, 2000).
Especificamente no domínio da tarefa de modelagem digital 3D,
foco desta tese, é possível fazer associação direta com as estratégias de
criação de conhecimento expostos. A Internalização acontece
frequentemente em decorrência dos diversos cursos e treinamentos
existentes e a Socialização através da troca de conhecimento existente
principalmente dentro de fóruns e redes sociais.
No entanto, a Externalização e Combinação apresenta-se como
desafio pela necessidade de se organizar um repositório de conhecimento
sistematizado que apresente as melhores práticas. A indústria de
softwares CAD necessita desta Externalização e posterior Combinação
visando a melhoria do controle de qualidade e proposição de novos
produtos e processos.
49
2.2.3 Expertise
A pesquisa sobre expertise abarca diversos domínios. Com isso há
uma diversidade de definições para expertise. Matlin (2004) define
expertise como uma “performance consistentemente superior em um
determinado conjunto de tarefas representativas de uma área em
particular”. Mieg (2001) aponta dois aspectos da expertise que são
desempenho superior e especialização. Mieg (2001) descreve que
nenhuma por si só define expertise. A definição de expertise pelo autor é
desempenho superior baseado numa especialização.
Outra definição de expertise é dada por Sternberg (1990) que
propõe que os experts podem fazer coisas “automaticamente” enquanto
os novatos fazem com grande esforço. De acordo Sternberg e Grigorenko
(2003), a habilidade de processar informação de maneira automática
libera o expert para usar o controle executivo para a tarefa de
planejamento, monitoramento e revisão. As informações que são
processadas de modo automatizado ocorrem de modo subjacente e
paralelo às atividades do controle executivo. Entretanto, o Novato se
dedica a um processamento em serial ao processar o conhecimento
necessário para controle do domínio da tarefa exigindo um gasto de tempo
elevado.
Chi, Glaser e Farr (1988) argumentam que a expertise é
caracterizada por altos níveis de domínio do conhecimento, velocidade no
tempo de execução da tarefa e superioridade tanto na memória de longo
termo quanto na memória de trabalho. Os experts têm grande habilidade
de reconhecer padrões significativos. Pesquisa de Groot (1965) apontou
a capacidade de experts em jogo de xadrez de serem aptos a reconhecer
ampla quantidade de jogadas válidas. Essa capacidade de reconhecer
grande quantidade de jogadas foi identificado em pesquisa posterior de
Cooke et al (1993). Numa atividade como a modelagem 3D pesquisada
nesta tese, verifica-se semelhança com o xadrez no aspecto de reconhecer
diversos padrões significativos. Quanto mais formas de modelar o
profissional tiver conhecimento, maiores as possibilidades de resolução
de problema e de eficiência.
As estruturas utilizadas para lembrar e reconhecer padrões de
informação de um domínio em particular são algumas vezes descritos
como esquemas (MATLIN, 2004). Esquema é uma estrutura mental para
organizar o conhecimento que cria conceitos relacionados baseado no
significado (STERNBERG, 2010). Os esquemas na modelagem 3D
permitem, por exemplo, o reconhecimento de complexas combinações
50
entre comandos e ações. Além dos esquemas estruturados pelos experts
Custers, Boshuizen, e Schmidt (1998) argumentam que os experts
desenvolvem roteiros (scripts) das suas atividades. Os roteiros descrevem
sequências apropriadas de eventos em um determinado contexto
(STERNBERG, 2010). Os experts têm organizado de forma definitiva a
sequência de ações que deve realizar num domínio específico. Na
modelagem 3D, tanto o reconhecimento de padrões quanto o
sequenciamento de ações, se apresentam como estruturadores do
conhecimento declarativo e procedimental da tarefa.
2.2.4 Elicitação do Conhecimento/Expertise
Na atual sociedade em rede descrita por Castells e Gerhardt (2000)
o conhecimento se configura como ativo estratégico de empresas e
nações. Entender como ocorre o conhecimento em diversos domínios e
como se atinge a expertise é um diferencial para criação de novos
produtos e processos. A Engenharia do Conhecimento têm um papel
relevante neste processo ao propor sistemas informatizadas baseados no
conhecimento identificado em diversos domínios.
Nazário et al (2012) descreve que o termo Engenharia do
Conhecimento (EC) nasceu na área da Inteligência Artificial (IA) como
uma subárea dedicada à concepção, desenvolvimento e implantação de
sistemas especialistas. Na Engenharia do Conhecimento Clássica, os
pesquisadores buscaram “transferir” ou “extrair” o conhecimento do
especialista para uma base de conhecimento. Nazário et al (2012) aponta
que na Nova Engenharia do Conhecimento muda-se o paradigma de se
extrair somente o conhecimento do especialista para o sistema. A partir
do novo paradigma, o conhecimento identificado nas pessoas, arquivos e
sistemas deve ser extraído e modelado em um formato computacional.
Dentro da Engenharia do Conhecimento, a ação de captar o
conhecimento de pessoas, arquivos e sistemas é conhecido como
Aquisição do Conhecimento (Knowledge Acquisition – KA). Existe duas
divisões na Aquisição do Conhecimento. Hoffman et al (1995) divide em
direta e indireta. A aquisição direta seria a apropriação do conhecimento
com as pessoas através de entrevista ou outro tipo de método. A aquisição
indireta é extraída da análise de textos e relatórios. Numa revisão
atualizada desta divisão, a aquisição direta das pessoas é denominada
Elicitação do Conhecimento e a aquisição de fontes não humanas é
denominado de Extração do Conhecimento (NAZÁRIO et al, 2012).
51
2.2.5 Técnicas de elicitação da expertise
Existe um conjunto de técnicas de Extração e de Elicitação do
Conhecimento. Como o objetivo desta tese é a identificação direta da
expertise dos usuários de softwares CAD, foi feita a análise somente de
técnicas de Elicitação. Em Hoffman et al (1995) é apresentado e analisado
um conjunto de técnicas de elicitação da expertise. Hoffman et al (1995) divide as técnicas de elicitação da expertise
em três grupos: Análise de Tarefas Familiares, Entrevistas e Técnicas
Forjadas. O primeiro grupo - Análise de Tarefas Familiares-, é
investigado o que o expert faz quando é necessário a resolução de
problemas e tomada de decisão em situações conhecidas. Neste primeiro
grupo Hoffman et al (1995) lista as seguintes técnicas: análise de
documentação, análise da tarefa, pensar alto (Think Aloud). O segundo
grupo Entrevistas é dividido em; entrevistas estruturadas e semi-
estruturadas. O terceiro grupo descrito como Técnicas forjadas é o oposto
do primeiro. Neste grupo, os experts são colocados em novas situações
diferente do que estão habituados para resolução de problemas. O grupo
está dividido em: Análise de decisão, análise de decisão em grupo,
ranqueamento e tarefas sorteadas, processos restritos e construção de
gráficos.
Na análise das técnicas verifica-se a existência de dois tipos bem
definidos. Um tipo de técnica busca a identificação do padrão de
comportamento do expert. Técnicas deste tipo são: Análise de
Documentação e Análise da Tarefa. O outro tipo busca identificar os
processos cognitivos que conduzem à expertise. Isso é alcançado, por
exemplo, com as técnicas: Think Aloud, Entrevistas e Construção de
Gráficos.
Analisando estes tipos no domínio da modelagem 3D, o primeiro
tipo de elicitação busca identificar como o expert procede, como se vê nos
trabalhos de Lang et al (1991) e Chi, Lan e Tsai (2000). No segundo tipo
busca-se entender porque o expert toma determinadas decisões na
resolução do problema de modelagem, como se vê em Bhavnani e Garret
(1993) e Chester (2008). A pesquisa desta tese se enquadra no primeiro
tipo que busca identificar como o expert age para atingir alto desempenho.
Cooke (2000), na classificação da Elicitação do Conhecimento,
propõe o Rastreamento do Processo visando identificar o padrão de
comportamento do expert. Cooke (2000) descreve o Rastreamento do
Processo como um método observacional de elicitação dos dados. Cooke
(2000) relata como ocorre o Rastreamento de Processo: “É coletado uma
sequência de eventos comportamentais e a partir da análise dos resultados
52
protocolados pode ser feito inferências dos processos cognitivos
subjacentes”.
2.2 MODELAGEM DIGITAL 3D – SOFTWARES CAD
A modelagem digital 3D voltada ao desenvolvimento de projeto é
representada pela sigla CAD (Computer Aided Design) que significa
Projeto Assistido por Computador. O inicio do desenvolvimento do
software CAD foi na universidade americana do MIT ((Massachusetts
Institute of Technology) no início dos anos 60 (KALAY, 2004).
Em 1963, como parte de seu Ph.D no MIT, Ivan Sutherland
desenvolveu um meio de integrar os sistemas computacionais existentes
à época com o desenho de projeto. Junto com seu orientador Steven
Coons, propuseram o conceito de CAD e as ferramentas para implementá-
lo. Foi desenvolvido o sistema denominado Sketchpad (Fig. 6).
O Sketchpad era composto por um monitor CRT , uma caneta de
luz que desenhava diretamente na tela e um terminal com botões que
formava comandos básicos como fazer linha. Também possuia dials para
rotação ou mudança de tamanho das figuras desenhadas. (WEISBERG,
2008).
Figura 6 - Ivan Sutherland trabalhando no Sketchpad.
Fonte: Weisberg (2008).
53
A proposta de Sutherland gerou interesse de toda a indústria de
projeto, principalmente o setor automobilístico e aeroespacial. Com isso
houve uma difusão de pesquisas nas universidades americanas e
posteriormente britânicas. Deste período, destaca-se o sistema URBAN5
desenvolvido por Nicholas Negroponte no MIT em 1964, os sistemas
OXSYS e HARNESS na universidade de Cambridge em 1970 e o sistema
BDS (Building Description Systems) por Charles Eastman na
Universidade Carnegie Mellon em 1974 e (KALAY, 2004).
Este primeiro período que vai até o final dos anos 70 compõe o que
se denomina primeira geração de CAD. Kalay (2004) divide a história do
CAD em 3 gerações; a primeira, que começou nos anos 60 e terminou no
início dos anos 80; a segunda que começou no início dos anos 80 e foi até
início dos anos 90 e a terceira fase, dos anos 90 até os dias atuais
Cada geração é marcada por características específicas com
softwares representativos de cada período. Na primeira geração, não
havia o conceito contemporâneo de software. O CAD era um sistema
integrado que incluía software e hardware no mesmo equipamento. Na
fase inicial, os principais clientes eram as indústrias automobilísticas. Os
sistemas CAD eram caros e com baixo desempenho computacional. Um
sistema CAD do período tinha 512 Kbytes de memória, espaço de
armazenamento de 20 a 300 Mbytes e preço de 125 mil dólares.
(WEISBERG, 2008). Destaca-se neste período os sistemas CAD utilizado
pala General Motors (CADANCE) e Lockheed (CADAM).
A segunda geração de CAD é caracterizada pelo surgimento do
computador pessoal (PC – Personal Computer) e pelo conceito de
software utilizado atualmente (Fig. 7). Houve diferença no modo como
foi disseminado o CAD da segunda geração em relação à primeira. No
primeiro período, houve em esforço em criar uma ferramenta
computacional que suportasse o processo de projeto, dentro do ânimo do
desenvolvimento de pesquisas com Inteligência Artificial. Na segunda
geração, houve um arrefecimento do ânimo inicial de conceber um CAD
que auxilia o processo de projeto. A partir disso surgiu os softwares CAD
com suporte ao processo de desenho. O softwares representativos do
período são o AutoCAD de 1982 e MicroStation de 1985.
A terceira geração é definida pelo ganho de potencial de hardware
e pelo resgate do ideal dos anos 70 ao utilizar o CAD como ferramenta de
suporte ao projeto (KALAY, 2004). Destaca-se o surgimento do primeiro
software comercial de modelagem parametrizada - Pro – Engineer (1988)
e o surgimento do ArchiCAD (1987), que foi o primeiro software
54
comercial com a tecnologia BIM - (Building Information Modeling)
(SVETEL, JARIĆ e BUDIMIR, 2014).
Figura 7- IBM PC com software AutoCAD.
Fonte: Weisberg (2008).
Na atual geração do CAD, a evolução do hardware em termos de
processamento gráfico associado ao resgate de uso de elementos de
projeto ao invés de elementos de desenho, traz a modelagem 3D para o
centro do desenvolvimento de projeto. Na área de edificações, o modelo
3D se consolida como o conceito de “Virtual Building” implementado
pela primeira vez pelo ArchiCAD em 87 (SVETEL, JARIĆ e BUDIMIR,
2014). Na etapa de projeto, é realizada toda a construção virtual da
edificação com todas as suas características para em etapa posterior
realizar a construção do edifício físico.
2.2.1 Tipos de Classificação da Modelagem Digital 3D
Em todas as três gerações, os softwares CAD permitiram o desenho
e a modelagem 3D. A modelagem 3D evoluiu em paralelo com aumento
da capacidade gráfica dos computadores. Na década de 70 na área de
Modelagem Geométrica, o esquema de representação 3D era do tipo
aramada (wireframe) decorrente da necessidade de economia de recursos
computacionais. (Fig. 8)
55
Figura 8 - Modelo 3D com esquemas de representação aramada (Wireframe).
Fonte: Ault (2009).
Com o avanço do hardware novas estruturas de dados 3D são
propostas. Estas estruturas de dados compõe a classificação quanto aos
tipos existentes de modelos geométricos. Os tipos de modelos
geométricos são Wireframe Models, Surface Models e Solid Models (KALAY, 2004; AULT, 2012).
Os modelos geométricos do tipo Wireframe Models
predominavam nos anos 70 pela baixa exigência de recurso
computacional e facilidade de construção. O modelo 3D só possui as
arestas, que são construídas somente por linhas e pontos. (Fig 8). Embora
tenha algumas vantagens, o Wireframe Model têm como desvantagem não
poder ter clareza de como é o modelo 3D, dificultando o entendimento,
principalmente de vistas ortogonais. Outra desvantagem é que não é
possível fazer o cálculo de área e volume pela ausência de faces.
O modelo geométrico do tipo Surface Model traz como evolução a
presença das faces que estão ausentes no modelo geométrico Wireframe. O Surface Model permite uma clareza na visualização da volumetria pela
capacidade de ocultar as arestas atrás das faces (Fig. 9). O Surface Model é composto essencialmente por um conjunto polígonos não relacionados.
Um cubo feito com Surface Model é na sua estrutura de dados um
conjunto de seis polígonos. A desvantagem da estrutura de dados é que
não permite a detecção de intersecção de faces e o cálculo de volume.
O modelo geométrico do tipo Solid Modeling, criado nos anos 80,
é definido por Ault (2009) como a melhor ferramenta de projeto feito em
56
termos de computação gráfica. Essa afirmação é pelo fato do Solid
Modeling permitir, pela sua estrutura, uma representação próxima ao
objeto real quanto as suas propriedades. É possível com isso calcular
volume e analisar intersecções.
Figura 9 - Modelo geométrico com estrutura de dados do tipo Surface Model.
Fonte: Ault (2009).
A modelo geométrico Solid Modeling possui um conjunto de
técnicas para sua criação. Destaca-se algumas técnicas básicas como:
Constructive Solid Geometry (CSG), Boundary Representation (B-rep),
Feature-Based Modeling e Constraint-Based Modeling (KALAY,
2004; AULT, 2012).
A técnica Constructive Solid Geometry consiste na criação de
modelos 3D a partir de primitivas que são objetos conhecidos: cubo,
pirâmide, cilindro, cone etc... Através de operações como união,
subtração e intersecção é possível criar diversas formas.
A técnica Boundary Representation (B-rep) gera maior
possibilidade formal que a CSG pois não trabalha com primitivas. A
representação do cubo é feita pela unidade básica que é o polígono.
Através de transformações nestes polígonos é possível criar diversas
formas.
A técnica Feature-Based Modeling está presente principalmente
em softwares de engenharia mecânica e design de produto como o Pro-
Engineer, NX, e Solidworks. A técnica consiste em aplicar transformações
geométricas específicas que criam elementos que as peças mecânicas
possuem como; chanfros, furos, cantoneiras, flanges e entalhes. Os
57
softwares que utilizam ao técnica Feature-Based Modeling têm o
histórico do registro de comandos utilizados (features).
A técnica de Constraint-Based Modeling consiste numa
modelagem paramétrica aonde as relações dimensionais definem o
formato do objeto 3D (Fig. 10) (KALAY, 2004; AULT, 2012). Este tipo
de modelagem está presente em softwares como Pro-Engineer, Revit, e
Solidworks.
Figura 10 - Modelo geométrico com estrutura de dados do tipo paramétrico.
Fonte: Ault (2009).
Além dos tipos de modelos geométricos e das técnicas usadas no
Solid Modeling, as modelagens 3D são classificadas de acordo a interação
com o modelo 3D. Quando o usuário interage diretamente na geometria
clicando com o mouse movendo vértices, arestas e faces, a modelagem é
conhecida como Modelagem Direta (Direct Modeling). Quando o usuário
não interage diretamente com a geometria e a troca das variáveis para
criar/alterar a geometria ocorre em caixas de diálogo é conhecido como
Modelagem Paramétrica (Parametric Modeling). Há modelagens que
possuem os dois tipos de interação que define um sistema híbrido aonde
o usuário interage com o modelo das duas formas. Um exemplo de
sistema híbrido é a técnica de Constraint-Based Modeling aonde um
comando como a Extrusão pode ter seu valor alterado diretamente no
modelo 3D ou pela alteração da variável direto na caixa de diálogo.
58
Na Figura 11 está uma síntese representado os softwares utilizados
para projetos/visualizações em Arquitetura e Engenharia com suas
respectivas classificações quanto à interação com o modelo 3D.
Figura 11- Classificação do software de acordo à interação com o modelo 3D.
Fonte: Autor
Figura 12 - AutoCAD - aplicativo de Modelagem Direta.
Fonte: Autor
59
Figura 13 - Plugin Grasshoper para Rhino3D - aplicativo de Modelagem
Paramétrica.
Fonte: Leitão, Lopes e Santos (2012)
Figura 14 - Software Revit - aplicativo de Modelagem Híbrida.
Fonte: Autor
60
2.3 TIPOS DE CONHECIMENTO NA MODELAGEM 3D
Para entendimento e identificação da expertise na modelagem
digital 3D é necessário verificar como se manifesta os diferentes tipos de
conhecimento na atividade. A análise tomou por base como os diversos
trabalhos do Quadro Comparativo (Apêndice B) identificam os três
conhecimentos dentro do processo de modelagem.
Os três tipos de conhecimento citado no item 2.1, conhecimento
declarativo, conhecimento procedimental e conhecimento estratégico
(também citado como metacognição e conhecimento condicional) não são
vistos da mesma forma pelos autores quando da sua aplicação na atividade
de modelagem 3D.
Lang et al (1991) e Peng et al (2012) não citam a existência de
um conhecimento estratégico. Quando cita estratégia e planejamento na
tarefa se refere ao conhecimento procedimental. Estratégia e
procedimento aparecem como um único bloco de conhecimento.
Para Bhavnani e Garret (1993), Bhavnani, John e Flemming
(1999), Chester (2007, 2008), Hartman (2005) e Rynne, Gaughran e Seery
(2011), a estratégia durante o ato de modelagem é citado como um ente
separado do procedimental e do declarativo. Para estes pesquisadores a
estratégia é o principal componente da expertise.
Para esta tese foi considerado a classificação de três tipos de
conhecimento. Nos próximos itens analisa-se os três tipos de
conhecimento e sua manifestação na atividade de modelagem 3D.
2.3.1 Conhecimento Declarativo na Modelagem 3D
O conhecimento declarativo da modelagem 3D possui diversas
espectros. Este conhecimento abrange todo o conhecimento técnico
necessário à tarefa de modelagem 3D. Uma referência para conhecimento
declarativo é o artigo de Hamade e Artail (2008). Neste trabalho se analisa
diversos conhecimentos e o desempenho na tarefa. São analisados
conhecimentos em matemática básica e avançada, geometria analítica e
conhecimento em hardware. Este conhecimento declarativo descrito é
genérico pelo fato de ser atributos técnicos para se trabalhar com qualquer
aplicativo CAD. Além do espectro do conhecimento declarativo genérico
há os conhecimentos declarativos específicos de CAD, como o
funcionamento específico da ferramenta escolhida pelo usuário para
desenvolvimento de uma modelagem 3D.
O conhecimento declarativo específico é voltado ao software que
o usuário trabalha. Envolve saber quais comandos existem, para que
61
servem, quando devem ser usados. Como descreve Chester (2007) o
conhecimento declarativo específico é o conhecimento sobre comandos
ou algoritmos disponíveis num software CAD. É modo individualizado
de criar linhas, copiar objetos e criar extrusões.
O conhecimento declarativo, tomando por base Nonaka e Takeuchi
(1995) é definido como um conhecimento explícito. Este conhecimento
explícito está presente nos manuais das empresas que produzem os
softwares. Os livros e manuais como em Autodesk (2013) ou em Sketchup User’s Guide mostram o Conhecimento Declarativo, que é um conceito,
ideia a respeito de algo, como define Sterberg (2010, p.268). Nestes
manuais, são apresentadas as informações para o que se destina o
programa, como está organizada a interface, o que faz cada comando e
como ele é operacionalizado (Fig.15).
Figura 15 - Informação de funcionamento do comando Extrude na modelagem
3D no software AutoCAD.
Fonte: Autodesk (2012).
2.3.2 Conhecimento Procedimental na Modelagem 3D
Diferentemente do Conhecimento Declarativo, o Conhecimento
Procedimental está diretamente ligado a ação, a experiência de produzir
modelos 3D nos softwares CAD. Envolve saber combinar comandos e
ações para produzir figuras como a esfera, pirâmides e cones ou modelos
complexos. Envolve saber moldar peças e modelos específicos em todos
62
os seus detalhes como chanfros, arredondamentos, partes adicionadas e
subtraídas (Fig 16). Quando o usuário não sabe como fazer uma peça ou
uma parte da peça é devido a falta do Conhecimento Procedimental.
Figura 16 - Procedimento de alteração de um cubo.
Fonte: Autor
Lang et al (1991) relata que estudos apontam que o conhecimento
procedimental tem igual ou maior influência no desempenho da tarefa de
modelagem 3D se comparado ao conhecimento declarativo. O autor
indaga porque os manuais CAD não ensinam este conhecimento. Não há,
portanto, nos manuais, informações detalhadas de como proceder. Lang
et al (1991) avalia que a falta do conhecimento procedimental nos
manuais é decorrente do fato que este tipo de conhecimento não é fácil de
ser verbalizado e os indivíduos estão constantemente propondo novos
modos diferenciados de proceder dentro do software. Configura-se,
portanto, como um conhecimento tácito sempre em evolução.
O conhecimento procedimental para modelagem 3D é possível
de ser encontrado em tutoriais no qual os usuários demonstram como se
deve proceder. Existem tutoriais oficiais presentes nos sites das empresas
de software (Ex: Site AREA da Autodesk.
https://area.autodesk.com/tutorials), em iniciativa de usuários (Ex:
tutoriais no Youtube.com) e empresas de treinamento (Ex: sites
lynda.com e render.com.br). Porém, estes tutoriais apresentam somente
uma forma de proceder para cada modelo 3D escolhido segundo critério
desconhecido. Não há, portanto, o enfoque em apontar quais comandos,
troca de visualização e configurações devem ser utilizados com
63
prevalência na maior parte dos modelos 3D com objetivo de reduzir o
tempo de modelagem. Portanto, fica a critério de cada usuário através de
cursos em centros de treinamento, estudo dirigido e autodidatismo fazer
esta descoberta de modo individualizado. Com isso, cada usuário
desenvolve um “estilo de modelagem” próprio, que seria a repetição
sistemática de um grupo de procedimentos na tarefa de modelagem 3D.
2.3.3 Conhecimento Estratégico na Modelagem 3D
Observa-se na Figura 17, um exemplo de dois modeladores, que
possuem o conhecimento declarativo e procedimental necessário para
realizar a tarefa de modelagem. Porém verifica-se que existe diferença
evidente no desempenho. Das formas de proceder existentes, o modelador
B escolheu a sequência com menor quantidade de comandos. Com isso,
o modelador B conseguiu finalizar o modelo 3D em 7 passos em
comparação com o modelador A que fez em 10 passos. O conhecimento
envolvido em escolher a forma mais produtiva de se trabalhar é a que
autores como Bhavnani e Garret (1993), Bhavnani, John e Flemming
(1999), Chester (2007, 2008), Hartman (2005) e Rynne, Gaughran e Seery
(2011) denominam conhecimento estratégico.
A estratégia é descrita como sendo uma função cognitiva que
escolhe entre métodos alternativos de resolução de problema, monitora o
progresso da atividade, prediz as consequências das ações, avalia
procedimentos e troca entre métodos de resolução de problemas. Diante
destas características, muitas vezes, num processo de modelagem, a linha
divisora entre procedimento e estratégia é tênue. Em decorrência disso há
confusão em alguns trabalhos na definição destes limites. Não saber como
proceder e encontrar uma forma de conseguir fazer modelo na insistência
não pressupõe conhecimento estratégico. Isto é observado muitas vezes
na técnica incisiva de tentativa e erro.
O conhecimento estratégico se traduz em fazer as melhores
escolhas dentro de um universo já conhecido de possibilidades. Isso
envolve definir a melhor sequência de sub tarefas a serem seguidas em
prol de completar determinado modelo 3D (Fig.18a). Envolve também
escolher a melhor sequência de comandos para resolver um modelo 3D
ou parte deste (opção 1 – empurrar a face; opção 2- empurrar a aresta;
opção 3- apagar faces e arestas – Fig.18b).
64
Figura 17 - A diferença de desempenho em decorrência do encadeamento de
comandos (conhecimento procedimental) escolhidos dentro do mesmo software-
Trimble Sketchup.
Fonte:Autor
65
Figura 18 - Exemplos do uso do conhecimento estratégico na modelagem 3D.
Fonte: Autor.
Após a seleção das melhores opções, a estratégia se define pela
constante avaliação e monitoramento da tarefa verificando se as escolhas
feitas estão conduzindo o processo a uma modelagem eficaz e eficiente.
Além do monitoramento, a estratégia se define também pelo seu caráter
preditivo.
O artigo de Peng at al (2012) ressalta este aspecto preditivo ao
descrever a importância do conhecimento estratégico para se alcançar
66
modelos 3D de boa manutenção. No modo de sistema de trabalho
colaborativo contemporâneo é comum a criação do modelo 3D ser
compartilhada. Um profissional faz o modelo 3D inicial e a alteração
deste modelo será feita por outro profissional. Por isso é importante deixar
um modelo de fácil manutenção, que seja de rápida identificação de sua
construção e de posterior edição facilitada. Peng et al (2012) destaca que
muita pouca atenção é dada para ensinar os estudantes a criar modelos 3D
que podem facilmente serem entendidos, alterados e reutilizado por
outros.
A falta de ensino de estratégia de modelagem citada por Peng et al
(2012) se deve pela própria natureza deste conhecimento. É um
conhecimento tácito que está intimamente ligado a um contexto
específico. Bhavnani, John e Flemming (1999) propõe um conjunto de
ações estratégicas durante o processo de modelagem denominada de
“estratégia abstrata”. De acordo os autores, estas “estratégias abstratas”
podem ser utilizadas em todas as situações para ganho de desempenho
independente do software. Mas no âmbito geral, a maioria dos autores
descrevem que a estratégia que impacta a tarefa está fortemente
influenciada pelo contexto no qual está inserido.
Ao contrário do conhecimento declarativo que possuem farto
material disponível para estudo e consulta, como os manuais dos
softwares, as estratégias na modelagem não são quase discutidas e
explicitadas. Pela importância que é para ganho de produtividade na
tarefa, verifica-se um relevante esforço de pesquisadores em identificar
como são as melhores estratégias (CHI, LAN e TSAI, 2000; HARTMAN,
2005; RYNNE e GAUGHRAN, 2007; OPREAN e BALAKRIISHNAN,
2013) e de criar propostas pedagógicas para a capacitação na escolha das
melhores estratégias na tarefa de modelagem 3D (BHAVNANI, JOHN e
FLEMMING ,1999; CHESTER ,2007).
2.3.4 Conhecimentos avaliados na identificação da expertise
O modelo de avaliação e identificação da expertise definido neste
trabalho é baseado em dois dos três conhecimentos citados. O foco é no
conhecimento procedimental e no conhecimento estratégico. O
conhecimento declarativo foi desconsiderado no modelo pelo fato de ser
um conhecimento explícito, formalizado e que está amplamente
estruturado no modo tradicional de ensino de computação gráfica. Além
disso, autores como Lang et al (1991) demonstram que o impacto do
67
conhecimento declarativo no tempo total da tarefa não é tão relevante
quanto os outros dois conhecimentos.
A partir disso a análise da composição do tempo total da tarefa, dos
“estilos de modelagem” e da classificação propostas estarão em
consonância direta com os procedimentos e as estratégias escolhidas
(Fig.19).
Figura 19 - Componentes principais do modelo proposto de avaliação e
identificação da expertise na atividade de modelagem 3D.
Fonte:Autor
68
3 PROCEDIMENTO METODOLÓGICO
O procedimento metodológico desta pesquisa foi organizado
visando gravar e protocolar os dados retirados de um teste realizado de
modelagem 3D (apresentado no capítulo 4). A partir da organização
destes dados é que se alcança o modelo de identificação da expertise que
apontou as melhores práticas e possibilitou suprir as três lacunas
apresentadas na introdução do trabalho. As lacunas são: uma análise
global mais completa do tempo total da tarefa, classificação da expertise
e identificação dos “estilos de modelagem”.
O processo de identificação de expertise é um processo de
Externalização do conhecimento (NONAKA, TOYAMA e
KONNO,2000) com a criação de um protocolo visando identificar a partir
de dados recolhidos como se comporta o conhecimento tácito presente na
atividade de modelagem 3D.
Essa pesquisa pela característica de seus objetivos, optou por
utilizar o rastreamento do processo usando observação e registro de dados
proposto por Cooke (2000). A técnica de observação visando um método
qualitativo de análise e o registro dos dados da tarefa de modo protocolar
para análise quantitativa.
3.1 – MÉTODO QUANTITATIVO
O método quantitativo de análise faz uso dos dados recolhidos do
teste de modelagem 3D realizado (descrito no capítulo 4). Estes dados
foram recolhidos na técnica de rastreamento de processo. Esse sistema
consiste no registro de todas as ações de uma atividade. O teste de
modelagem 3D, no qual consistia produzir três modelos 3D, foi gravado
em vídeo direto da tela via software de captura. Posteriormente os vídeos
foram assistidos e os dados da tarefa foram registrados. Foram
mensurados na tarefa de modelagem 3D 35 variáveis agrupados nos
seguintes grupos abaixo listados:
-Tempo – 3 variáveis
-Quantidade de comandos – 1 variável
-Interface – 1 variável
- Navegação – 1 variável
-Tipos de comando utilizados – 28 variáveis
-Sequência de Ações – 1 variável
69
Além destas 35 variáveis listadas, foi gerado pelo cruzamento de
dados mais 5 variáveis, totalizando 40. Quanto à escala das variáveis, 39
são do tipo Razão e uma variável é do tipo Ordinal. A variável com escala
Ordinal é a variável Sequência de Ações. A sua medição foi realizada com
o objetivo diferente das outras 39. O objetivo foi analisar a estratégia
utilizada na sequência de realização das sub tarefas da atividade. As
outras variáveis com a mesma escala foram correlacionadas entre si.
A partir da mensuração buscou-se a análise da composição do
tempo total da tarefa. Através da correlação buscou-se verificar quais
ações estão mais diretamente ligadas ao aumento ou redução do tempo
total final da tarefa. Sabe-se que o tempo total é a conjunção de diversos
fatores. O objetivo foi identificar quais impactam mais e quais quase não
possuem relação.
A partir dos dados mensurados também foi feita a medição da
repetição de comandos e procedimentos específicos pelos usuários
durante os três modelos 3D realizados no teste de modelagem buscando
identificar “estilos de modelagem” característicos dos usuários.
3.2 – MÉTODO QUALITATIVO
O método qualitativo consiste numa análise pormenorizada da
tarefa de modelagem 3D. O seu objetivo é identificar procedimentos,
estratégias e ações que impactam o tempo total da tarefa e que não são
detectados somente pela análise dos numéricos da tarefa. Essa análise
consiste na identificação de repetidos padrões de comportamento
identificados nos vídeos assistidos.
Neste método foi possível observar que parte dos modelos 3D que
os estudantes apresentam maior dificuldade e facilidade, que tipo de erros
são mais comuns e que estratégias se mostraram mais adequadas.
70
4 APRESENTAÇÃO, ANÁLISE E ORGANIZAÇÃO DOS
RESULTADOS DO TESTE DE MODELAGEM 3D
Neste capítulo é abordado os resultados encontrados no teste de
modelagem 3D que dão subsídios aos objetivos propostos neste teste.
4.1 APRESENTAÇÃO DO TESTE DE MODELAGEM 3D
O teste de modelagem 3D foi realizado com o objetivo de
verificar quais as variáveis, procedimentos e comportamentos que
influem na produtividade da atividade.
Diante dos objetivos e limites, um conjunto de critérios foram
adotados. Estes critérios e a organização do teste são apresentados na
sequência.
4.1.1 -Amostra
A amostra do teste consiste em 82 alunos de graduação do curso
de Arquitetura e Urbanismo da Universidade Estadual de Santa Catarina
(UDESC). O curso fica no campus VII na cidade Laguna –SC. Foram
escolhidos alunos da quinta, sexta e sétima fase pelo fato de já possuírem
conhecimento na software escolhido. Até a quarta fase não há ensino de
softwares no curso. Foram realizados três modelos 3D sendo dois no
primeiro dia e um no segundo. O teste foi realizado nos dias 30/09/2015
e 07/10/2015 (Fig. 20).
Figura 20 - Alunos durante teste de modelagem 3D.
Fonte: Autor
71
Foi realizado um questionário de balizamento para conhecer
caraterísticas da amostra analisada. O objetivo dos itens do questionário
é identificar um conjunto de relações com o desempenho na tarefa como
experiência no uso do aplicativo. Foi identificado, por exemplo, se a
idade, o sexo ou tempo de curso de graduação influência nos resultados.
O questionário aplicado encontra-se no Apêndice C. O quadro
completo com os resultados do questionário para cada estudante encontra-
se no Apêndice D
Itens do questionário:
1- Idade;
2- Sexo;
3 - Anos de curso de graduação;
4 - Anos de uso de algum software 3D para modelagem;
5 - Anos de uso do Trimble Sketchup (software utilizado no teste)
6 – Quantidade aproximada de modelos 3D produzidos com a
ferramenta Sketchup (A- 0 a 10; B- 10 a 20; C- 20 a 30; D - 30 a 40; E –
mais de 40);
7 – Auto avaliação da experiência no uso do software Trimble
Sketchup. (A- Iniciante; B- Amador, C- Intermediário; D- Avançado, E –
Profissional);
8 – Avaliação do interesse em trabalhar com modelagem digital
3D. (A- Muito Pouco; B- Pouco, C- Intermediário; D- Alto, E – Muito
Alto);
9 – Avaliação do nível de cansaço para realização da tarefa de
modelagem no primeiro dia. (A- Muito Pouco; B- Pouco, C-
Intermediário; D- Alto, E – Muito Alto);
10 – Avaliação do nível de cansaço para realização da tarefa de
modelagem no segundo dia. (A- Muito Pouco; B- Pouco, C-
Intermediário; D- Alto, E – Muito Alto).
Na análise da amostra presente na Tabela 2, a maior presença de
mulheres refletem a proporção existentes atualmente em cursos de
Arquitetura. Destaca-se também que maior parte da amostra encontra-se
na metade do curso. Quanto ao uso de software CAD, os números
parecidos do item 4 e 5 demonstram que o Sketchup é o software de
entrada, no qual os acadêmicos aprendem primeiro.
Outro aspecto relevante da amostra, presente na Tabela 2, é o
problema com a auto avaliação utilizado em pesquisas. Há um
descompasso evidente entre o número de modelos 3D realizados e o grau
72
de experiência. Do total de participantes, 30,5% anotam que fizeram
somente até 10 modelos 3D. Muito pouco para ganho de experiência em
uma atividade como essa. Quando avaliam experiência 15,9% se avaliam
como Iniciante, quando na realidade deveria ser próximo dos 30% se
considerarmos o número de modelos 3D realizados. Problemas na auto
avaliação serão descritos também no item 4.3.2 quando comparado com
o desempenho efetivo na tarefa.
Tabela 2 - Médias e porcentagens da amostra do teste de modelagem 3D.
Fonte: Autor
Devido à estes problemas, pesquisas apoiadas em auto avaliação
como ocorre em Hamade e Artail (2008), são de resultados questionáveis.
No artigo, presente na análise do Apêndice B, o desempenho na tarefa de
modelagem é todo correlacionado com atributos técnicos advindos da
auto avaliação. Foi feito auto avaliação quanto ao conhecimento técnico em matemática básica, geometria, conhecimento de hardware etc.
Foi analisado também na amostra, no item 8, o interesse em se
trabalhar com modelagem 3D. O interesse / motivação relacionado com
o desempenho na tarefa é tema da pesquisa de Hamade, Artail e Jaber
(2011).
73
Por fim, foi solicitado a auto avaliação com o nível de cansaço na
tarefa para identificar o tamanho do impacto no desempenho. Nenhuma
pesquisa analisada considerou este aspecto, nem mesmo a pesquisa de
curva de aprendizagem com diversos testes ao longo de 15 semanas de
Hamade (2012).
4.1.2 -Procedimento
O procedimento consistiu na modelagem de três modelos 3D pelos
82 participantes. Duas ocorreram dia 30/09/2015 e uma no dia
07/10/2016. Houve limitação de se fazer os três modelos 3D num único
dia pois os testes ocorreram em horário de aula. O propósito de fazer a
medição repetindo a atividade de modelagem três vezes foi para
identificação de um padrão de comportamento do usuário. Além da
repetição apontar com maior clareza o nível de expertise do participante,
diminuindo a possibilidade do acaso na tarefa, serviu também para
registrar ações específicas dos usuários que compõe um “estilo de
modelagem”. Esses comportamentos padronizados podem surgir no uso
de alguns comandos específicos, na velocidade de execução e outros.
Quanto ao software a ser utilizado, verificou-se que área de
arquitetura e engenharia é composta por quantidade elevada de programas
CAD como mostrado artigo de Abanda et al (2015) e listagem feita na
Figura 11. Considerando o atual cenário de desenvolvimento de
aplicativos para projeto, seria interessante o uso de softwares híbridos
(modelagem direta e paramétrico) como o Revit da empresa Autodesk ou
totalmente paramétricos como o plugin Grasshoper para Rhino 3D da Mc
Neel. Porém houve a limitação referente a restrita quantidade de usuários
destas plataformas. O uso no teste de um destes aplicativos citados
resultaria em amostras pequenas de usuários como aconteceu em
pesquisas como de Bhavnani e Garret (1993), Chi, Lan e Tsai (2000),
Hartman (2005), Rynne e Gaughran (2007). Estes trabalhos apresentaram
amostras respectivamente de 6, 6, 5 e 4 participantes. Como a pesquisa da
tese possui uma parte focada na análise quantitativa, amostras pequenas
potencializam muito o viés. Com isso foi utilizado um software CAD de
conhecimento de um amplo espectro de estudantes de graduação em
Arquitetura que é o Trimble Sketchup (Fig. 21).
O software Sketchup teve sua primeira versão em agosto de 2000.
É um software de modelagem direta no qual o modelo geométrico é Solid
Modeling. A técnica de representação é um B-rep estruturado com malha
poligonal.
74
No levantamento de pesquisas em CAD Expertise, a maioria dos
artigos foi na área de Engenharia. Portanto, prevalece a presença de
softwares como Pro/Engineer e Solidworks. Somente um trabalho de
pesquisa listado no Apêndice B apresenta um software com uso
disseminado na área e Arquitetura. A pesquisa é de Oprean e
Balakriishnan (2013), que utilizou o mesmo software desta pesquisa, o
Sketchup. Com isso uma comparação mais robusta de resultados
utilizando o software Sketchup ficou prejudicada por só aparecer uma
pesquisa com este aplicativo.
Figura 21 - Interface do software CAD utilizado no teste de modelagem –
Trimble Sketchup.
Fonte: Autor
Quanto ao encaminhamento do teste de modelagem 3D, os
estudantes tinham que desenvolver três modelos 3D com precisão e no
menor tempo possível. O tempo máximo era 30 minutos para cada modelo
3D, com a atividade encerrada após atingir o tempo máximo. Os modelos
3D propostos para modelagem já estavam definidos e não precisaram ser
criados pelos participantes. Eles foram disponibilizados impressos em 4
folhas. Cada folha possui uma imagem em perspectiva isométrica com o
modelo 3D cotado.
O uso da imagem do modelo 3D no modo isométrico foi no sentido
de facilitar ao máximo o entendimento do que se devia modelar. Pesquisas
anteriores já apontaram que a apresentação das figuras em vista ortogonal
75
amplia o tempo da tarefa de modo expressivo pois grande parte do tempo
é gasto no entendimento da forma. Isso foi apontado no trabalho de Rynne
e Gaughran (2007). Os autores descrevem que os estudantes possuem
maior dificuldade de visualizar objetos 3D de vistas ortogonais do que
isométricas. Na pesquisa citada, o uso de vistas ortogonais conduziu o
estudante com pior visualização espacial ao pior desempenho na tarefa.
Esse fato foi relatado novamente em Rynne, Gaughran e Seery
(2011), o qual os autores descrevem que os aprendizes têm muita
dificuldade em visualizar objetos 3D em vistas ortogonais. Os autores
eliminaram este problema da pesquisa ao fornecer aos estudantes vistas
ortogonais e isométricas da peça a ser modelada. (Fig. 22)
Figura 22 - Figura ortogonal e isométrica forncecida para modelagem em
pesquisa de Rynne, Gaughran e Seery (2011).
Fonte: Rynne, Gaughran e Seery (2011)
Os três modelos 3D para o teste de modelagem 3D da tese seguiram
dois critérios principais. O primeiro é que deveria ter uma complexidade
que não conduzisse a uma contagem de tempo excessiva gerando uma
quantidade de dados muito elevada. Isto estenderia em demasia o tempo
da pesquisa. O modelo 3D não poderia ser muito simples de forma que os
tempos de execução fossem tão reduzidos que seriam muito parecidos,
dificultando a diferenciação do desempenho na tarefa. Por isso foi criado
um modelo 3D calibrado para ser feito entre 5 e 20 minutos. Os modelos
3D foram testados para serem feitos com a quantidade mínima de
comandos entre 40 e 50.
76
Figura 23 – Modelo 3D número 1 do teste de modelagem 3D.
Fonte: Autor
77
Figura 24 – Modelo 3D número 3 do teste de modelagem 3D.
Fonte: Autor
O segundo critério utilizado é que os modelos 3D possuíssem
complexidade parecida para não gerar grande diferenciação entre as três
etapas. Foi proposto modelos 3D com quantidade de arestas e faces
parecidas.
O modelo 3D 1 têm 46 arestas e 19 faces (sem contar o cilindro),
o modelo 3D dois têm 42 arestas e 18 faces e o modelo 3D 3 têm 44
arestas e 19 faces. O modelo 3D 1 é o único que têm curvatura possuindo
um cilindro que gera muitas arestas e faces.
Considerando o cilindro, o modelo 3D 1 têm 130 arestas e 48 faces.
Nas Figuras 23 e 24 são mostradas os modelos 3D e a sequências de
imagens que foram apresentadas nas 4 folhas. A ordem foi definida de
modo aleatório.
Visando a análise da estratégia, foi rastreado a realização das sub tarefas. Em cada modelo 3D foram definidos cinco setores. Cada setor é
uma pedaço do modelo 3D composto de uma ou mais faces. O objetivo
foi verificar qual a sequência que cada participante iria seguir para
alcançar o modelo final. Aos participantes não foi dito para seguir
78
nenhuma sequência específica e eles não sabiam da definição dos setores.
Na Figura 25 estão os setores definidos
Figura 25 - Setores definidos para análise das estratégias.
Fonte: Autor
4.2 TABULAÇÃO DOS DADOS DO TESTE DE MODELAGEM 3D
O teste realizado foi gravado com um software gratuito de
captura de tela denominado Hypercam (www.hyperionics.com). A
princípio, o total de vídeos gravados seriam 246, se considerados os três
modelos 3D para 82 participantes. Porém, houve alunos que faltaram ao
79
teste agendado, gerando diminuição da amostra de vídeos. Outro fator que
diminuiu a amostra de vídeos foram os participantes que fizeram a
modelagem errada. Portanto, sem eficácia
Para poder comparar tempos é necessário que todos tenham
chegado ao mesmo resultado final na modelagem. Portanto, é
fundamental que se tenha os modelos 3D corretos ao final da tarefa. Com
os faltantes e os modelos errados a amostra final ficou com 163 vídeos,
sendo 67 no modelo 3D 1, 55 no modelo 3D 2 e 41 no modelo 3D 3. No
tabela 3 está o resumo dos vídeos disponíveis recolhidos para análise.
Tabela 3 - Quantidade de vídeos recolhidos disponíveis para análise.
M 1 M 2 M 3 SOMA
Modelos 3D Corretos 67 55 41 163
Modelos 3D Errados 15 26 22 63
Alunos faltantes 0 1 19 20
SOMA 82 82 82 246
Fonte: Autor
A partir dos vídeos coletados, foi organizado um protocolo de
registro das ações. Foi definido o registro de 28 comandos utilizados
organizados em sequência de ativação. Foi marcado também toda vez que
um setor estivesse completo. Para isso foi criado um Mapa de
Procedimentos. Este mapa é composto por ícones que representam os 28
comandos como mostra a Figura 26. Estes ícones foram separados por cor
de acordo o que representam numa ação de modelagem. Os grupos
criados como Criação, Edição, Visualização e outros estão presentes em
todos os softwares CAD, embora com comandos diferentes dependendo
do aplicativo.
Foram montados 163 Mapas de Procedimento. Estes mapas
permitem verificar graficamente diversos fatores do processo de
modelagem como o uso maior ou menor de comandos de cada
agrupamento, a sequência de comandos utilizados, quantos comandos
foram utilizados para atingir cada setor. Na Figura 27 têm-se o exemplo
da comparação entre três mapas de procedimento de diferentes
participantes do modelo 3D 3.
Observa-se que E6 e E34 seguiram os mesmos três setores
iniciais com diferentes quantidade de comandos. E31 seguiu outro
80
caminho e demorou 24 comandos para acessar o primeiro setor (Setor 1).
Todos os Mapas de Procedimento realizados encontram-se no Apêndice
F. Além do registro dos 28 comandos e da sequência dos setores
que estão presentes nos Mapas de Procedimento foram extraídas mais 6
variáveis que são: Tempo total da tarefa, Tempo de Pausa (tempo em que
o cursor está parado e/ou que não há nenhum comando em execução),
Tempo de Pausa Inicial (tempo que demora para começar a modelagem
3D), Acesso a Ícones (número de vezes que utilizou ícones da interface),
Número de Comandos Dados e Número de Rotações de Visualização
(Orbitar em torno do objeto 3D – Navegação). Essas 35 variáveis foram
registradas a partir dos vídeos recolhidos.
Figura 26 - Iconografia definida dos comandos para montagem de Mapas de
Procedimento.
Fonte: Autor
81
A partir de algumas das 35 variáveis, mais 5 variáveis foram
calculadas formando o número total de 40 variáveis.
Figura 27 - Exemplo de três Mapas de Procedimento do modelo 3D três.
Fonte: Autor
As variáveis calculadas são: Tempo Produtivo (Tempo total
menos o Tempo de Pausa), Tempo Otimizado (Porcentagem do tempo
total que ficou parado sem comandos – Tempo Pausa / Tempo Total ),
Variedade de Comandos Dados (Quantos comandos foram usados dos
28 listados), Velocidade de Execução (aponta a cada quantos segundos
em média é dado um comando – equivale a divisão do Tempo Produtivo
pelo Número de Comandos Dados ) e Quantidade de Navegação por
82
tempo (aponta a cada quantos segundo em média é feita uma rotação em
torno do objeto - equivale a divisão do Tempo Produtivo pelo número de
rotações dado). O Quadro 2 lista as 40 variáveis medidas e as respectivas
siglas presentes na Planilha Geral - Apêndice E.
Quadro 3 - Siglas das 40 variáveis medidas na tarefa de modelagem 3D.
Fonte: Autor
4.3 RESULTADO E ANÁLISE QUANTITATIVA ENTRE A
PERFORMANCE NA ATIVIDADE DE MODELAGEM E AS
VARIÁVEIS MENSURADAS
A análise quantitativa tem como objetivo identificar a correlação
entre dos dados mensurados no teste de modelagem 3D e o desempenho
na tarefa. É uma análise global e ampla sobre a tarefa de modelagem sem
TEMPO SIGLA N GRUPO COMANDOS - EDIÇÃO SIGLA
1 Tempo Total TT 20 Push Pull - Empurrar e Puxar PP
2 Tempo de Pausa TPA 21 Cópia de Aresta Cópia A
3 Tempo Produtivo TPRO 22 Cópia em bloco Cópia B
4 Tempo de Inicio TI 23 Cópia de Face Cópia F
5 Tempo Otimizado TO 24 Mover face Mover F
COMANDOS SIGLA 25 Mover aresta Mover A
6 Número de Comandos Dados NCD 26 Mover em bloco Mover B
7 Variedade de Comandos Dados VCD 27 Interseccionar Face Inter F
8 Número de segundos por comando NS/C 28 Apagar Aresta Apagar A
ÍCONES SIGLA 29 Apagar Face Apagar F
9 Número de Acesso à Ícones AI 30 Apagar em Bloco Apagar B
NAVEGAÇÃO SIGLA 31 Apagar Cota Apagar C
10 Número de Rotações NR 32 Apagar Linha Guia Apagar LG
11 Número de Rotações por Segundo NS/R GRUPO COMANDOS - PRECISÃO SIGLA
GRUPO COMANDOS - CRIAÇÃO SIGLA 33 Trena para medir com Offset TrO
12 Comando linha que gera face Linha F 34 Trena para medir TrM
13 Comando linha Linha 35 Colocação de Cota Cota
14 Desenho Figura plana retângulo FFig R 36 Linha criada para medição Linha M
15 Desenho Figura plana círculo FFig C GRUPO COMANDOS - GESTÃO SIGLA
GRUPO COMANDOS - VISUALIZAÇÃO SIGLA 37 Fazer Grupo ou Componente Faz G/C
16 Inverter Face InvF 38 Desfazer Grupo ou Componente Desfaz G/C
17 Ocultar/Reexibir Face e Aresta ORfa GRUPO COMANDOS - ERRO SIGLA
18 Modo de Visualização Raio X RX 39 Desfaz e Refaz Erro (CTRL Z - CTRL Y) FDe
19 Aplicar Material ApM SEQUÊNCIA - ESTRATÉGIA SIGLA
40 Descreve a ordem dos setores feitos SEQ-EST
83
foco sobre ações específicas que intervêm no desempenho. É dado
destaque para a quantificação dos resultados, análise e interpretação.
4.3.1 Dados gerais de desempenho
Nos gráficos das Figuras 28, 29 e 30 são apresentados os dados
gerais de desempenho atingido pelos participantes. Neles é mostrado o
tempo total de cada participante em cada modelo 3D. Houve 82
participantes na modelo 3D 1, 81 no modelo 3D 2 e 63 no modelo 3D 3
Nestes três gráficos de desempenho verifica-se como foi o grau
de dificuldade e como foram distribuídos os erros. No geral se observa
que os erros aparecem com maior prevalência por volta dos 10 minutos –
600 segundos, que são as colunas vermelhas. Foi identificado na análise
dos vídeos, que erros com baixo tempo estão diretamente ligados à
distração. Isso aconteceu com maior intensidade no modelo 3D 2 e 3 pelo
fato dos modelos possuírem duas arestas diagonais na parte superior que
muitos imaginaram serem horizontais.
Figura 28 - Gráfico com a distribuição dos tempos em segundos da tarefa de
modelagem 3D dos participantes na modelo 3D 1.
Fonte: Autor
Os erros que aconteceram com tempo elevado estão diretamente
ligados à falta de conhecimento procedimental. Nos vídeos ficou evidente
a dificuldade de modelagem nos tempos elevados que foram registrados.
Muitos dos tempos elevados com erro foram ocasionados por
desistência dos alunos por não conseguirem realizar a tarefa. Com relação
à dificuldade dos modelos 3D fica evidente, pelos gráficos, que o modelo
84
3D 2 apresentou mais dificuldade aos participantes. Na distribuição dos
tempos percebe-se que aproximadamente dois terços dos participantes
estão com tempo acima de 600 segundos.
Figura 29 - Gráfico com a distribuição dos tempos em segundos da tarefa de
modelagem 3D dos participantes no modelo 3D 2.
Fonte: Autor
Figura 30 - Gráfico com a distribuição dos tempos em segundos da tarefa de
modelagem 3D dos participantes no modelo 3D três.
Fonte: Autor
85
Como os erros encontraram-se em grande parte concentrados, a
retirada das amostras erradas fez com que a distribuição dos histogramas
do tempo total ficasse assimétrica principalmente nos modelos 3D 1 e 2
(Fig. 31).
Figura 31 - Histograma mostrando a distribuição dos participantes de acordo a
faixa de tempo alcançado nos modelos 3D 1 e 2.
Fonte: Autor
0
2
4
6
8
10
12
14
16
Nú
mer
o d
e al
un
os
Tempo gasto em segundos na modelagem
Histograma do Tempo Total de modelagem - 2
0
2
4
6
8
10
12
14
16
18
Nú
mer
o d
e al
un
os
Tempo gasto em segundos na modelagem
Histograma do Tempo Total de modelagem - 1
86
Figura 32 - Histograma mostrando a distribuição dos participantes de acordo a
faixa de tempo alcançado no modelo 3D 3.
Fonte: Autor
A distribuição de frequência mostra, que apesar de serem três
modelos 3D diferentes, a concentração de tempos ficou na mesma porção
de tempo, na faixa entre 400 a 600 segundos. Os experts ficaram abaixo
desta faixa e os participantes com mais dificuldade ficaram acima desta
faixa. Observa-se também, nestes gráficos, que há algumas amostras de
caráter discrepante por estarem muito afastada da concentração de
ocorrência. No modelo 3D 1 há um tempo de 1244 segundos da estudante
E49, no modelo 3D 2 há um tempo de 1410 da estudante E22 e no modelo
3D 3 há um tempo de 1200 novamente da estudante E49.
Nas tabelas 4 e 5 é apresentada a estatística descritiva das variáveis
mensuradas na tarefa. Das 39 variáveis, foram selecionadas para análise
18, pois muitas variáveis do grupo de comando apresentam muito pouca
incidência. Os comandos, como apagar em bloco, aplicar material e
apagar cota, por exemplo, só foram usados uma vez em 163 amostras
válidas.
0
2
4
6
8
10
12
14
16
18
Nú
mer
o d
e al
un
os
Tempo gasto em segundos na modelagem
Histograma do Tempo Total de modelagem - 3
87
Tabela 4 - Os valores de máximo, mínimo e média de 18 variáveis mensuradas
Fonte: Autor
Valores Máximo, Mínimo e Média dos modelos 3D 1, 2, 3 e de Geral de toda amostra
SIGLA Máx-
V1 Máx-
V2 Máx-
V3 Máx-
G Min-V1
Min-V2
Min-V3
Min-G
MD-V1
MD-V2
MD-V3
MD-G
TT 1244 1410 1200 1410 194 283 217 194 544,9 650,3 549,1 581,5
TPA 305 403 551 551 7 27 10 7 95,0 119,8 106,0 106,2
TPRO 1060 1160 993 1160 183 256 207 183 452,0 530,4 443,1 476,2
TI 75 90 85 90 0 0 0 0 12,0 13,6 17,8 14,0
TO 0,39 0,42 0,46 0,46 0,03 0,05 0,05 0,03 0,16 0,19 0,18 0,18
SIGLA Máx-
V1 Máx-
V2 Máx-
V3 Máx-
G Min-V1
Min-V2
Min-V3
Min-G
MD-V1
MD-V2
MD-V3
MD-G
NCD 210 180 160 210 39 46 44 39 81,5 83,4 73,4 80,1
VCD 14 12 13 14 7 6 4 4 10,1 8,2 8,2 9,0
NS/C 10,11 9,25 9,42 10,11 3,20 3,89 4,11 3,20 5,65 6,46 6,13 6,05
SIGLA Máx-
V1 Máx-
V2 Máx-
V3 Máx-
G Min-V1
Min-V2
Min-V3
Min-G
MD-V1
MD-V2
MD-V3
MD-G
AI 65 86 77 86 0 0 0 0 18,1 17,3 11,4 16,2
SIGLA Máx-
V1 Máx-
V2 Máx-
V3 Máx-
G Min-V1
Min-V2
Min-V3
Min-G
MD-V1
MD-V2
MD-V3
MD-G
NR 156 200 86 200 16 21 10 10 55,6 72,4 32,2 55,4
NS/R 18,06 37,14 33,20 37,14 4,40 2,92 4,92 2,92 9,18 9,28 16,45 11,04
SIGLA Máx-
V1 Máx-
V2 Máx-
V3 Máx-
G Min-V1
Min-V2
Min-V3
Min-G
MD -V1
MD -V2
MD -V3
MD-G
Linha F 27 28 34 34 0 1 2 0 8,0 12,9 15,1 11,4
Linha 46 52 65 65 3 10 9 3 23,5 29,3 26,6 26,2
SIGLA Máx-
V1 Máx-
V2 Máx-
V3 Máx-
G Min-V1
Min-V2
Min-V3
Min-G
MD-V1
MD-V2
MD-V3
MD-G
PP 25 9 8 25 1 0 0 0 8,8 3,4 3,3 5,6
Apagar A 54 52 56 56 2 1 0 0 19,9 18,4 11,9 17,4
Apagar F 12 19 12 19 0 0 0 0 2,0 2,0 2,2 2,1
SIGLA Máx-
V1 Máx-
V2 Máx-
V3 Máx-
G Min-V1
Min-V2
Min-V3
Min-G
MD-V1
MD-V2
MD-V3
MD-G
Linha M 11 12 18 18 0 0 0 0 4,0 4,4 5,4 4,5
SIGLA Máx-
V1 Máx-
V2 Máx-
V3 Máx-
G Min-V1
Min-V2
Min-V3
Min-G
MD-V1
MD-V2
MD-V3
MD-G
FDe 71 46 16 71 0 0 0 0 8,4 7,4 4,1 7,0
88
Tabela 5 - Os valores de desvio padrão, moda e mediana de 18 variáveis
mensuradas.
Fonte: Autor
Valores de Desvio Padrão, Moda e Mediana dos modelos 3D 1, 2, 3 e de Geral de toda amostra
SIGLA DP-V1
DP-V2
DP-V3
DP-G MO-V1
MO-V2
MO-V3
MO-G
MDI-V1
MDI-V2
MDI-V3
MDI-G
TT 219,6 239,1 225,1 231,6 430 445 413 439 519 595 474 516
TPA 66,9 69,5 90,0 74,5 31 100 55 59 82 113 83 89
TPRO 182,8 210,0 171,0 192,5 472 #N/D #N/D 400 418 506 380 416
TI 13,6 16,4 19,4 16,2 0 0 0 0 8 7 12 8
TO 0,08 0,09 0,09 0,08 #N/D #N/D #N/D #N/D 0,16 0,17 0,17 0,17
SIGLA DP-V1
DP-V2
DP-V3
DP-G MO-V1
MO-V2
MO-V3
MO-G
MDI-V1
MDI-V2
MDI-V3
MDI-VG
NCD 32,8 32,9 27,4 31,7 89 50 70 74 73 71 68 71
VCD 1,8 1,7 1,8 2,0 9 7 7 9 10 8 8 9
NS/C 1,40 1,28 1,33 1,38 #N/D #N/D #N/D #N/D 5,33 6,44 5,78 5,81
SIGLA DP-V1
DP-V2
DP-V3
DP-G MO-V1
MO-V2
MO-V3
MO-G
MDI-V1
MDI-V2
MDI-V3
MDI-G
AI 16,5 18,8 15,0 17,1 1 1 2 1 16 12 5 11
SIGLA DP-V1
DP-V2
DP-V3
DP-G MO-V1
MO-V2
MO-V3
MO-G
MDI-V1
MDI-V2
MDI-V3
MDI-G
NR 31,0 43,9 18,2 36,7 29 34 16 16 48 60 27 46
NS/R 1,28 1,33 1,38 3,10 #N/D #N/D #N/D #N/D 8,62 7,62 15,18 9,03
SIGLA DP-V1
DP-V2
DP-V3
DP-G MO-V1
MO-V2
MO-V3
MO-G
MDI-V1
MDI-V2
MDI-V3
MDI-G
Linha F 5,7 6,0 6,9 6,8 4 14 14 14 7 13 14 11
Linha 8,7 8,1 11,8 9,7 21 30 25 21 22 30 25 25
SIGLA DP-V1
DP-V2
DP-V3
DP-G MO-V1
MO-V2
MO-V3
MO-G
MDI-V1
MDI-V2
MDI-V3
MDI-G
PP 3,9 2,7 2,7 4,2 7 0 0 0 8 3 4 6
Apagar A
9,6 13,3 11,3 11,8 12 15 1 12 20 15 8 16
Apagar F
2,4 3,1 2,8 2,7 0 1 0 0 1 1 1 1
SIGLA DP-V1
DP-V2
DP-V3
DP-G MO-V1
MO-V2
MO-V3
MO-G
MDI-V1
MDI-V2
MDI-V3
MDI-G
Linha M 2,6 3,3 3,7 3,2 3 1 5 5 4 5 5 5
SIGLA DP-V1
DP-V2
DP-V3
DP-G MO-V1
MO-V2
MO-V3
MO-G
MDI-V1
MDI-V2
MDI-V3
MDI-G
FDe 12,5 10,7 3,8 10,4 2 1 0 1 4 3 3 3
89
Destacam-se alguns dados das tabelas para análise. Como
mencionado anteriormente, a dificuldade em modelar o modelo 3D 2 dos
participantes é possível de ser identificada. O tempo mínimo alcançado
foi de 283 segundos, bem acima dos modelos 1 e 3 (194, 217 segundos).
O tempo médio da tarefa no modelo 3D 2 confirma esta avaliação. Ficou
em 650 segundos, bem acima o modelo 1 e 3 (544 e 549 segundos). Outra
variável que aponta dificuldade é a média do tempo de pausa de 119,8.
Foi necessário um gasto maior de tempo parado, sem comandos sendo
dados que podem-se supor ser devido à dificuldade apresentada em
elaborar uma estratégia de modelagem.
Destaca-se também o índice médio de rotações (giro em torno do
objeto 3D modelado). O índice do modelo 3D três é bem mais baixo do
que dos modelos 1 e 2. Isso acaba incidindo em outro índice que é Número
de Segundos por Rotação (divisão dos segundos do Tempo Produtivo pelo
número de rotações). Em média, o modelo 3 fez uso da rotação em torno
do objeto 3D uma vez a cada 16 segundos e meio. No modelo 1 e 2 o
valor é bem mais baixo.
Figura 33- Gráfico Boxplot apontado a concentração dos tempos totais
alcançados nos quartis e os tempos discrepantes encontrados
Fonte: Autor
90
Na análise dos vídeos, buscando a razão desta diferença, verificou-
se no modelo 3 que pouco se observava a parte inferior do modelo 3D.
Como a volumetria não possui reentrâncias que necessita visualizar o
objeto de baixo, a rotação foi menos usada. Isso mostra que essa variável
é sensível a volumetria a ser modelada e isso deve ser sempre considerada
na sua medição.
Na figura 33 o gráfico boxplot apresenta a variância e distribuição
dos tempos totais (em segundos) alcançados no modelo 3D 1, 2 e 3.
Observa-se no gráfico a alta concentração de tempos no modelo 3D 3,
tendo o segundo quartil concentrado todos os tempos no intervalo de 431
segundos a 474 segundos. Observa-se também nos gráficos a dispersão
dos tempos da mediana para frente em todos os três modelos reiterando o
que os histogramas mostraram.
O Boxplot aponta também os valores discrepantes (outliers) em
cada modelo 3D. Estes valores discrepantes alcançados são importantes
para identificar variáveis subjacentes que impactam o tempo total da
tarefa e que muitas vezes não estão evidentes. Uma análise pormenorizada
dos outliers é feita no item 4.3.3.
4.3.2 Questionário x Desempenho
O objetivo da aplicação do questionário foi de, além conhecer as
características da amostra pesquisada, fazer relação dos dados dos
participantes com o desempenho na tarefa. Foi verificado se parâmetros
como a idade, o sexo ou tempo de curso de graduação influência nos
resultados. Foi verificado também se a auto avaliação de experiência está
de acordo ao desempenho obtido.
Para isso foi feita uma correlação simples entre o tempo total da
tarefa e as variáveis (Tabela 6). Para variável qualitativa auto avaliação
de experiência foi processada a correlação após a numeração de cada
resposta (1-iniciante; 2-amador; 3-intermediário; 4-avançado e 5-
profissional).
Os resultados mostraram que não há nenhuma relação direta das
variáveis com o tempo total no desempenho da tarefa. Os valores de r de
Pearson ficaram abaixo de 0,33 gerando um coeficiente de determinação
de apenas 10%. Isso aponta que deve-se ter cautela em utilizar como base
para uma pesquisa de correlação a auto avaliação como feita em Hamade
e Artail (2008).
91
Tabela 6 - Correlação entre os dados do Questionário de Balizamento e o
Tempo Total da tarefa.
Fonte: Autor
Para a relação entre o gênero do participante e o desempenho foi
feita uma análise separada para averiguar eficácia e eficiência. Na amostra
desta tese, os homens mostraram mais eficácia e eficiência.
Para esta conclusão, foi feita a análise sobre o tempo total de
modelagem somando o tempo dos três modelos realizados de quem fez
todos corretos. Primeiro foram separados 63 dos 82 participantes pois
foram excluídos 19 participantes (1 estudante faltou na vol. 2 e vol. 3).
Estes participantes não teriam como ter feito os três modelos 3D.
Na amostra de 63 participantes, ficaram distribuídos 21 homens e
42 mulheres. Desta amostra de 63 participantes, a quantidade que
conseguiu fazer os três modelos 3D sem erro foi de 32 participantes,
sendo 17 mulheres e 15 homens. Portanto houve mais eficácia dos
homens pois houve a mudança da proporção entre os que fizeram os três
modelos (H-21; p = 33% / M-42; p =66%) em relação aos que fizeram os
três corretos (H-15; p=46% / M-17; p =53%). As mulheres erraram mais.
No que se refere à eficiência, foi somado o tempo dos três modelos
feitos corretos. Os homens aparecem com as menores somas dos três
tempos comparados com as mulheres (Fig. 33). Com relação à média da
soma do tempo dos três modelos 3D, os 15 homens atingiram o valor
médio de 1346 segundos e as mulheres 1870 segundos.
Correlação de Dados entre o Questionário e o Desempenho
Qtde de modelos 3D produzidos
Conhecimento Sketchup
Idade Anos
Curso de ARQ
Anos de uso do software
Sketchup
Tempo Total somado todos os modelos 3D
-0,14 -0,33 0,33 0,14 -0,17
92
Figura 34 - Soma do tempo total de modelagem dos três modelos 3D entre
homens e mulheres.
Fonte: Autor
4.3.3 Tempo Total x Variáveis
Visando atingir a um dos objetivos desta pesquisa que é a
identificação dos fatores que impactam o tempo total da atividade de
modelagem 3D, foi feito o cruzamento de dados entre 18 variáveis e o
tempo total da tarefa. Este cruzamento e as análises subsequentes
identificaram como maiores impactantes no tempo total da tarefa de
modelagem por ordem de importância; o número de comandos dados, o
tempo de pausa e a velocidade de execução dos comandos.
Visando identificar quais foram os fatores mais impactantes, foi
realizada uma matriz de correlação entre 18 variáveis mensuradas na
tarefa, Essa matriz de correlação foi feita separada, apresentando o
resultado para cada modelo 3D e uma matriz geral considerando todos os
resultados (Tabela 7 e 8). Nas tabelas foram marcados os maiores valores
encontrados de correlação: vermelho para valores de 0,9 a 1, laranja para
valores de 0,8 a 0,9, amarelo para valores de 0,7 a 0,8 e bege para valores
de 0,6 a 0,7.
93
Tabela 7 - Matriz de correlação para os modelos 3D 1 e 2.
Fonte: Autor
94
Tabela 8 - Matriz de correlação para o modelo 3D 3 e geral que considera todos
os modelos.
Fonte: Autor
95
O primeiro item a ser observado nas matrizes é a variável que
possui forte correlação com o TT (tempo total da tarefa). Na matriz geral,
aparece correlacionando com relevância com o tempo total: o tempo de
pausa, o tempo produtivo, número de comandos dados, número de
rotações, e comando apagar aresta. Considera-se também, número de
erros e desenho de linhas, por aparecerem com correlação com o TT nas
matrizes dos modelos 1,2 e 3. Destas variáveis que correlacionam com o
TT destaca-se o NCD (Número de comandos dados). Nas matrizes
analisadas verifica-se que o NCD possui a maior quantidade de
correlações com outras variáveis. No total seis.
Pode parecer evidente, pois a maioria das variáveis são comandos
e estão englobados pelo Número de Comandos Dados. Porém há diversos
comandos com correlação inexpressiva com NCD como PP (Push Pull)
ou Li.F (linha que gera face). É importante sempre destacar que
correlação não é causalidade. Não pode-se afirmar que uma variável está
necessariamente causando outra. Mas há uma relação entre elas. Se
considerados o coeficiente de determinação (r2) entre o número de
comandos dados e o tempo total da tarefa, o valor é de 56%. Não é muito
alto, mas é considerável. Com isso 56% da variabilidade do tempo total é
explicado pelo número de comandos dados.
O NCD têm importância para explicar o tempo total da tarefa não
somente pela valores encontrados nas matrizes. O NCD é considerado
pelas pesquisas analisadas (Apêndice B) como o componente principal
para se atingir o conhecimento estratégico considerável dentro da tarefa
de modelagem 3D. Modelar com a menor quantidade de comandos
significa economia de recursos humanos e computacionais.
Consequentemente o caminho utilizado de poucos comandos gera a
redução de tempo e atinge-se a eficiência. Para se modelar com poucos
comandos é preciso fazer uso do conhecimento estratégico citado no item
2.3.3. É preciso escolher a melhor sequência, definindo a ordem mais
eficiente das sub tarefas a serem realizadas visando o objetivo final.
Também é importante escolher o melhor comando (com menor número
de passos) para cada detalhe da modelagem 3D. Com isso, na Planilha
Geral de desempenho (Apêndice E), nos menores valores de comandos
dados é onde estão as melhores estratégias. Mas o que se observa na
Planilha Geral é que nas amostras com menor número de comandos dados
não estão necessariamente os menores tempos totais da tarefa de
modelagem. Isso porque o tempo total é uma composição de ações e há
outros fatores intervenientes neste tempo.
Visando identificar outros fatores que impactam o tempo total além
do NCD, são analisadas novamente as matrizes de correlação. Observa-
96
se a relevância do Tempo de Pausa. Independente do cursor estar parado
ou não, o tempo de pausa é considerado quando não há nenhum comando
em execução. A maioria das pesquisas analisadas não considera a
medição do tempo de pausa, apesar da sua importância. Este tempo é
considerado nas pesquisas de Lang et al (1991), Chi, Lan e Tsai (2000).
A razão destas considerarem o tempo de pausa é porque foram baseadas
na metodologia GOMS, que considera a medição de tempo para cada
ação. Outra pesquisa que considera o tempo de pausa é Chester (2007).
Porém não é contada a pausa durante toda a tarefa. Somente é contado o
tempo de pausa antes do primeiro clique do mouse na atividade. O autor
chamou de “tempo de planejamento”. Nesta tese, este tempo também foi
mensurado com o nome de Tempo Inicial e ele é parte integrante do
Tempo de Pausa da tarefa. Chester (2007) descreve que este tempo inicial
está relacionado ao desempenho. Quanto maior este tempo de
“planejamento” melhor o desempenho na atividade. Essa pesquisa não
encontrou evidência disto. A correlação é muito baixa entre o tempo
inicial e o tempo total (r = 0,30).
O Tempo de Pausa apresenta correlação de 0,68 com o Tempo
Total da tarefa. Embora não seja muito forte, há variação considerável
entre estas duas variáveis. Com isso, outra variável ganha importância que
é o Tempo Otimizado. Este tempo é a porcentagem do tempo total que é
constituído pelo Tempo de Pausa. Nesta pesquisa têm-se casos extremos
como a estudante E41 com 3,2% no modelo 1. Isso significa que somente
3,2% do tempo ficou parado sem estar fazendo algum comando. E há a
situação da estudante E49 no modelo 3 com 45% de Tempo Otimizado.
Praticamente metade do tempo nenhum comando aconteceu.
Portanto, como o tempo de pausa varia com o Tempo Total é
importante que o Tempo Otimizado seja reduzido. No caso da estudante
E49, o tempo total da tarefa de modelagem do modelo 3D 3 foi de 1200
segundos. Se o Tempo Otimizado fosse de 5% seu tempo final seria de
720 segundos.
A princípio, a redução das variáveis NCD e TO seria o suficiente
para reduzir em grande parte o tempo total da tarefa. Mas foi encontrado
na amostra situações em que o NCD e o TO não é alto, mas o valor do
tempo total tarefa é elevado. Com isso, há outra variável subjacente
relevante interferindo no tempo total da tarefa. Essas situações atípicas
foram encontradas investigando amostras discrepantes na gráfico de
dispersão por pontos na correlação entre Tempo Total com NCD (Fig.
34). Na zona 1 marcada na Figura 34, a explicação para perda de tempo é
alto número de comandos dados mas isso não vale para a zona 2. Para os
tempos totais alcançados, foi verificado NCD e TO baixo para E63, E22,
97
E36, E49 e E16. E72 têm NCD baixo mas ainda teria explicação pelo fato
de possuir TO de 33%.
Figura 35 - Análise de pontos discrepantes na gráfico de dispersão da vol. 1-
Correlação entre tempo total e número de comandos dados.
Fonte: Autor
Para se verificar como essas amostras estão diferentes é possível
comparar numericamente com outras. E22 têm 73 comandos com tempo
total de 711 segundos. As outras amostras com aproximadamente 73
comandos têm no máximo 510 segundos. O TO de E22 não é excessivo.
É 14%, abaixo da média de todas as amostras que é de 17% (Tabela 4). O
mesmo ocorre com os outros. E63 - 573 segundos, NCD de 73 e TO de
21% - Amostras com NCD aproximados de 73 possuem no máximo 302
segundos. E36 – 910 segundos, NCD de 77 e TO de 22% - Amostras com
NCD de aproximadamente 79 possuem no máximo 442 segundos. E16-
730 segundos, NCD de 70 e TO de 10% -Amostras com NCD de aproximadamente 71 têm 548 segundos. E49- 1224 segundos (o maior
valor de todos), NCD de 102 e TO de 17%. Amostras com NCD de
aproximadamente 103 possuem no máximo 623 segundos.
Para identificar essa discrepância analisou-se o que estas amostras
têm em comum. O que se detectou é que o valor de NS/C é alto. O motivo
98
é que estes participantes executam seus comandos de forma muito lenta.
E49 têm NS/C de 10, 11 para o modelo 3D 1. O maior valor de todos.
Para comparação, quem apresenta a maior velocidade de execução,
portanto menor NS/C para o modelo 3D 1 é E50 com 3,20. E49 demora
quase 3 vezes mais tempo que E50 para realizar um comando. Os
estudantes identificados na Figura 34 estão com os maiores valores de
NS/C para o modelo 3D 1. Além de E49 (NS/C de 10,11) têm-se E63
(NS/C de 8,11), E22 (NS/C de 8,38), E36 (NS/C de 9,18) e E16 (NS/C de
9,37).
O NS/C é calculado pela divisão do Tempo Produtivo (Tempo
Total menos tempo de pausa) pela quantidade de comandos dados. A
Figura 35 ilustra aonde estão os NS/C baixos com alta velocidade de
execução na cor verde e os NS/C altos com baixa velocidade de execução
na cor vermelha. Quanto mais próximo dos extremos dessa faixa de cor
maior ou pior a velocidade execução.
Figura 36 - Faixas aonde ocorrem os maiores (verde) e os menores (vermelho)
velocidades de execução de comandos.
Fonte: Autor
99
Como conclusão da análise da influência global no tempo total
da atividade de modelagem, o NCD, o TO e o NC/S são as variáveis que
mais impactam o tempo total da tarefa de modelagem 3D. Porém como o
tempo total da tarefa é uma composição de ações, outras variáveis foram
consideradas e analisadas. Na matriz de correlação Geral (com todos os
dados) apareceu correlacionado com o Tempo Total com relevância o NR
– Número de Rotações e Apagar arestas com (r) de 0,61 e 0,60
respectivamente. Essas duas variáveis se correlacionam também com o
número de comandos dados com 0,62 e 0,68.
A análise das variáveis que se correlacionam com o número de
comandos dados é relevante pois além de ter impacto no tempo total da
tarefa, existe uma conexão com os tipos de conhecimento ligados com a
modelagem 3D. Se por um lado o número de comandos dados denota as
melhores estratégias como citado anteriormente, o número muito elevado
de comandos dados denota erros de conhecimento procedimental grave.
Na análise dos vídeos verificou-se que nos tempos mais altos, os
participantes não conseguiam modelar e em alguns casos caiam na tática
da tentativa e erro. Os estudantes não sabem como proceder, como fazer
um recorte, chanfro, rotação de face etc. Quando há erros graves de
procedimento dois expedientes são muito comuns nos vídeos. Apagar
linhas/arestas e utilizar “voltar” com o comando Crtl Z. Quando um
estudante erra um procedimento ou ele apaga as arestas para fazer de novo
ou ele dá comando CtrL Z para voltar e tentar fazer novamente. Quando
os valores destas variáveis são altos é indício de falta de conhecimento
procedimental. Portanto é esperado uma colaboração no aumento do
tempo total da tarefa quando estas duas variáveis são elevadas.
Com relação a variável Número de Rotações, a forte correlação
com o tempo total é por outro motivo. Verificou-se na análise dos vídeos,
que quando um participante estava em dúvida de como proceder duas
ações aconteciam. A primeira é o cursor ficar parado contribuindo para o
Tempo de Pausa e o outro é girando o objeto 3D tentando analisá-lo
visando modelar a partir de outra visualização ou outra parte do objeto
3D. No caso da rotação não é possível fazer uma relação direta com a falta
de conhecimento procedimental como as variáveis Apagar arestas (Ap.A)
e Erros (FDe). Apesar da correlação, o tempo gasto numa rotação pelo
participante pode estar ligado à definição de uma estratégia
(conhecimento estratégico) ou pode mesmo estar com dificuldade em
proceder. Por estes dados e análise feitas não há como afirmar.
Pela análise das variáveis que não apresentaram relação com o
tempo total ressalta-se o VCD (Variabilidade de Comandos Dados). Lang
et al (1991) aponta que os experts utilizam mais variedade de comandos
100
que os novatos. Nesta pesquisa essa evidência não apareceu. A correlação
entre a variedade de comandos usados e desempenho (tempo total) é nula.
Foram listados nesse teste 28 variáveis de comandos. Como exemplo, tem
participante que fez o modelo 3D 3 com quatro tipos de comandos
enquanto outro usou treze tipos. Mesmo com tanta diferença de
comandos, os tempos foram parecidos, 413 segundos para quem usou
quatro tipos e 446 segundos para quem usou treze tipos.
4.4 PROPOSTA DE CLASSIFICAÇÃO DO DESEMPENHO NA
ATIVIDADE DE MODELAGEM 3D
A classificação da expertise está entre os objetivos desta tese. A
importância reside em alguns fatores. O principal deles é ter um meio de
identificar o atual estágio e o processo de evolução do profissional de
projeto no quesito expertise em modelagem. Através da aprendizagem e
experiência profissional ocorre naturalmente o ganho de expertise.
Porém, é importante saber o grau de expertise que o profissional se
encontra além do sistema dicotômico novato versus expert que as
pesquisas listadas no Apêndice B apresentam. A classificação da
expertise possibilita ao usuário saber em que aspecto específico se faz
necessário evolução e quão distante está de atingir alta performance. A
análise somente do produto final, só garante a verificação da eficácia.
A classificação proposta é derivada das conclusões tiradas da
análise do impacto as variáveis no tempo total da tarefa do item anterior
(4.3.3). Quatro variáveis foram escolhidas: Número de Comandos Dados,
Tempo Otimizado, Velocidade de Execução e Número de Erros. Dois
critérios foram definidos para a escolha destas variáveis para proposição
de um sistema de classificação. O primeiro é que tenham alto impacto no
tempo total da tarefa. O segundo é que estas variáveis tenham conexão
com os conhecimentos procedimental e estratégico. Ou seja, se os valores
destas variáveis estão muito elevados ou estão em baixa é indício da
presença ou falta de conhecimento procedimental e/ou estratégico.
Este formato de classificação é multi plataforma. Não está preso a
nenhum software específico. A classificação reflete de modo amplo a
atividade de modelagem 3D pelo fato das variáveis serem condições
existentes em todos os softwares. Esta classificação proposta também não
é definitiva pois é necessário fazer uma análise pormenorizada da
atividade como está descrito nos itens 4.5 para diagnóstico final do
modelador 3D.
A proposta de classificação feita têm como característica ser aberta
a qualquer usuário. Não está relacionada a nenhum grupo específico. Para
101
atingir isso, a classificação não é baseada em valores médios, isso porque
o valor médio de um grupo pode ser diferente de outro. Esse teste de
modelagem 3D, que foi feito por estudantes de graduação, obteve por
exemplo, número médio de comandos dados de 80 (tabela 4) . Um grupo
de modeladores de uma empesa poderia obter um valor menor. Com isso,
um expert de um grupo passaria a novato em outro.
Para evitar desvio de análise, a classificação se baseia no mínimo
obtido de cada variável. Optou-se por este método para as variáveis NCD,
NS/C e TO. A partir deste mínimo foram criadas faixas de 25% que vão
subindo sem limite. Cada faixa gera uma classificação. O valor de 25 %
foi definido analisando o número de comandos dados nos vídeos gravados
e nos mapas de procedimento (Apêndice F). Foi identificado que nas
modelagens que usaram aproximadamente até 25% a mais de comandos
acima do mínimo conseguido, não há erro de procedimento. No caso da
modelo 3D 1, a menor quantidade de comandos conseguida foi 39 pelo
estudante E19. Até 48 comandos (25% acima de 39), não há erros de
procedimento. Acima de 48 comandos começam a aparecer erros de
procedimento e estratégias inadequadas em termos de produtividade. A
faixa de 25% foi usada no NCD e NS/C. Para o Tempo Otimizado foi
utilizado uma faixa maior, de 100%. A variação do TO é muito grande
nas amostras recolhidas, com variação de 3% a 43%. O uso de faixas de
25% resultaria em faixas muito pequenas para a quantidade de variação.
Algumas faixas poderiam inclusive não ter nenhuma amostra.
No caso da variável Erro (FDe), como o menor valor será sempre
zero e esta variável possui características específicas, foram propostas
faixas de classificação diferente das outras variáveis. As faixas foram
criadas baseadas na análise da quantidade de erros visualizados nos
vídeos. Foram criadas quatro faixas. A primeira faixa com nenhum erro
(Zero); a segunda até cinco erros (< 6); a terceira faixa até 10 erros (<10);
quarta faixa acima de 10 erros. O que se observou nos vídeos analisados
é que até 5 erros não pode-se afirmar que houve falta de conhecimento
procedimental. É muito comum o erro por distração. As pessoas erram
por falta de atenção e por diversas ações que vão desde um simples clique
numa aresta a erros de medição. A classificação de faixas para a variável
Erro foi configurada para os modelos a serem resolvidos entre 3 a 20
minutos. Para testes mais complexos, com maior tempo, precisariam ser
refeitas as faixas. Modelagens de 30 a 50 minutos vão possuir mais erros
motivados por distração.
Para organizar a classificação foram criados códigos diferentes
para as variáveis Comandos (NCD e NS/C), Tempo Otimizado (TO) e
Erro (FDe). Foi definido Letras para Comandos, Número para Tempo e
102
símbolo de mais e menos (+/-) para quantidade de erros. Na tabela 9, está
o sistema de classificação. Utilizou-se os dados do modelo 3D 1 como
exemplo. Na planilha geral (Apêndice E) está aplicada a classificação
para toda a amostra de 163 modelagens feitas com correção.
Tabela 9 - Tabela de classificação da expertise com dados do modelo 3D 1.
Fonte: Autor
A classificação é feita para cada modelagem 3D realizada.
Observa- se na Planilha Geral é que há em alguns casos grande variação
da classificação entre os modelos 3D realizados. É importante o
modelador manter uma classificação parecida entre os três modelos 3D
apresentando estabilidade na tarefa. Um modelador que gera uma ótimo
desempenho no modelo 1 e péssimo nas outras duas apresenta uma
inconstância que gera dúvidas em relação a sua expertise. Pela existência
da instabilidade foi criado um ranking de desempenho geral baseado na
soma dos tempos das três modelagens. Na tabela 10 é apresentado este
ranking. Os melhores modeladores estão no topo deste ranking não
somente pelo fato de apresentar bons tempos no teste mas por
apresentarem estabilidade na tarefa.
103
Tabela 10 - Ranking dos melhores modeladores considerando a soma do tempo
dos modelos 1 2 e 3.
Fonte: Autor
Na Figura 36, é mostrada a estabilidade dos melhores modeladores.
É possível verificar que os melhores tempos possuem mais estabilidade.
E82 repete AA1 ++ nos modelos 1 e 3. E43 repete A para Número de
Comandos dados para os três modelos 3D. E25 e E19 já apresentam
tempos totais bem acima de E82 e E43. E82 e E43 estão na faixa de 800
a 900 segundos e E25 e E19 estão na faixa de 1100 a 1200 segundos
(Tabela 10). Essa diferença já é impactada pela perda da estabilidade. E25
e E19 possuem três classificações diferentes para TO. E25 possui TO de
3,2 e 1 para os modelos 1, 2 e 3 e E19 possui TO de 6,3 e 5 (Fig.36).
Classificação Tempo Total somado M1, M2 e M3
Colocação 1o 2o 3o 4o 5o 6o 7o 8o
Tempo em segundos
808 892 1141 1147 1271 1297 1298 1308
Estudante E82 E43 E25 E19 E34 E26 E1 E77
Colocação 9o 10o 11o 12o 13o 14o 15o 16o
Tempo em segundos
1327 1368 1392 1405 1415 1502 1541 1542
Estudante E38 E80 E3 E17 E53 E40 E9 E32
Colocação 17o 18o 19o 20o 21o 22o 23o 24o
Tempo em segundos
1564 1574 1575 1581 1609 1642 1746 1783
Estudante E18 E65 E71 E47 E6 E12 E31 E39
Colocação 25o 26o 27o 28o 29o 30o 31o 32o
Tempo em segundos
1998 2006 2080 2124 2157 2224 2511 3144
Estudante E68 E63 E7 E54 E23 E72 E36 E49
104
Figura 37 - Classificação da expertise para os três modelos dos três primeiros
colocados do Tempo Total somado.
Fonte: Autor
4.5 ANÁLISE QUALITATIVA DA PERFORMANCE NA
ATIVIDADE DE MODELAGEM 3D
A análise qualitativa consiste numa avaliação mais específica da
tarefa de modelagem 3D. Pela especificidade, a análise qualitativa está no
nível do software escolhido para o teste de modelagem 3D que é o Trimble
Sketchup. Com isso as conclusões da avaliação qualitativa não podem ser
todas extrapolados para outro software. Somente algumas podem ser
transferidas quando houver igualdade em algum aspecto entre aplicativos.
A análise qualitativa não se apoia prioritariamente na análise de dados
mensuráveis como no 5.3 – Análise Quantitativa. A análise identifica o
uso de comandos e ações que constituem evidente perda de produtividade
na tarefa.
4.5.1 – Identificação de ações estratégicas que auxiliam o
desempenho na modelagem 3D
Na análise dos vídeos foi possível identificar um conjunto de
ações que levam a ganho e perda do desempenho. Esta análise leva em
consideração a preocupação com os pequenos detalhes no momento da
modelagem 3D que levam a ganho de produtividade. Estes detalhes
podem não impactar fortemente o tempo final da tarefa, mas se foram
desconsiderados se tornará difícil atingir a expertise em níveis elevados
como a classificação AA1++ proposta. Na sequência, lista-se um
conjunto de ações que levam a ganho de tempo na tarefa que precisam ser
maximizados durante a atividade.
105
Usar polígono no lugar de linha –. O uso de linha foi dividido em
dois tipos. Somente linhas e linhas que geram face. Para as linhas que
geram face usa-se o mesmo comando da linha. Porém, quando esta linha
é criada uma face é gerada pelo fato de fechar um polígono. A separação
foi feita com o objetivo de identificar, dentro do processo de modelagem,
a proporção das linhas avulsas e as que geram face. Os dados recolhidos
no teste apontam uma elevada quantidade de uso de linhas. A tabela 4
aponta 26 linhas avulsas em média e 11 linhas que geram face. O que foi
identificado no teste é que em muitas situações o uso da linha é
desnecessário. Ela pode ser substituída pelo uso direto de polígono. O
retângulo substitui a execução de 4 linhas. Um exemplo de participante
que faz a substituição de linha por retângulo é o E19, citado na tabela 10
como quarto melhor modelador nos tempos somados de todos os modelos
3D.
Apagar em bloco – A ação de apagar a linha/aresta ocorre quando
se comete um erro durante o processo ou em algum modo de proceder que
é preciso trabalhar com intersecções. O que se verificou é que muitos
participantes apagam aresta por aresta o que leva a perda de tempo. Uma
variável que foi mensurada no teste de modelagem foi Apagar em Bloco.
Esta variável consiste em selecionar várias arestas e faces para apagar.
Pode ser observado na Planilha Geral (Apêndice E) como é pouco
utilizado pelos participantes do teste. O apagar individual deve ocorrer
quando há dificuldade de selecionar vários ao mesmo tempo.
Fazer grupos/componentes só em alguns casos – O uso de grupos
e componentes é muito útil para organizar a modelagem. Mas isso ocorre
em modelagens complexas com grande quantidade de elementos como
uma casa aonde há grupos para portas, janelas, vegetação etc. O uso de
grupos para modelagens simples se constitui perda de tempo.
Usar mover/copiar aresta, face e vértice – Um procedimento muito
comum encontrado no teste de modelagem é modelar partes para apagar
posteriormente. Esse procedimento pode ser substituído com muito
menos comando e tempo gasto pelo mover ou copiar arestas e faces. Este
aspecto é citado também por Bhavnani e Garret (1993). Os autores citam
que usuários novatos apagam muito mais do que editam. Um exemplo,
extraído do teste de modelagem é a parte superior do modelo 3D 1.
A maioria dos participantes do teste criou um triângulo para
extrusão na parte superior. Depois apagou arestas que utilizou na sua
construção. Só era necessário criar uma aresta e mover (Fig. 37)
106
Figura 38 - A ação com falta de produtividade (números vermelhos) versus a
ação produtiva (números azuis) – Mover Aresta.
Fonte: Autor
Figura 39 - A ação com falta de produtividade (números vermelhos) versus a
ação produtiva (números azuis) – Mover Vértice.
Fonte: Autor
107
Na sequência da Figura 37, os números vermelhos 3 e 6 arestas são
apagadas. Na sequência com números azuis mostra que não é necessário
apagar arestas. No número 2 é criada a aresta e no 3 ela é movida para
cima.
Na Figura 38, há um exemplo da importância de usar Mover
Vértice no modelo 3D 2. A maioria dos participantes preferiu desenhar
linhas diagonais para apagar posteriormente arestas e faces do que mover
um vértice. No três vermelho está marcada as arestas e faces a serem
apagadas. Ação desnecessária, se tivesse movido o vértice como mostra
o número um em azul.
Uso de linha para medição – Um item essencial para modelagem
3D em qualquer software é a medição. No Sketchup há comandos
específicos para isso. Um comando específico auxiliar de medição é a
linha guia. Foi quantificada essa variável como TrM - Trena para medir.
Alguns participantes utilizavam o comando para medir e outros para gerar
linha guia. As linhas guias após serem utilizadas precisam ser apagadas
para não poluir o desenho, o que gera uma perda de tempo extra. Para isso
é possível desenhar uma linha sobre a existente com a medida que precisa
ser encontrada. O Sketchup não faz sobreposição de linhas como outros
softwares como AutoCAD. Com isso não há a necessidade de apagar pois
naquela posição sempre haverá uma única linha/aresta. Deve-se priorizar
a linha para medição. Mas o uso de linha guia é necessário em algumas
situações mas sempre utilizado paralelo à medida que se quer descobrir,
nunca alinhado. Ao se fazer alinhado muitas vezes se faz em cima da
linha/aresta e é difícil conseguir apagar. (Fig. 39).
Figura 40 - O uso de linha guia paralelo a aresta apresenta maior produtividade
do que alinhado.
Fonte: Autor
108
Fazer constante uso de alinhamento - O alinhamento de vértices no
Sketchup é de grande importância pois é o que permite gerar faces quando
se desenha uma figura fechada. Muitos dos erros de procedimento
observados nos vídeos foram por não observar essa premissa. Deve-se
utilizar os vetores X (linha verde), Y (linha vermelha) e Z (linha azul)
como referência, além do vetor alinhamento (linha rosa) que acompanha
a aresta que pretende-se alongar.
Não usar ícones – Embora evidente para qualquer análise de
usabilidade e produtividade, o uso de ícones ao invés do teclado foi muito
utilizado pelos participantes do teste de modelagem 3D. O tempo gasto
percorrendo a interface para acionar um ícone envolve uma perda de
tempo que o comando direto do teclado minimiza. Das 163 modelagens
analisadas somente em 13 não houve nenhum uso de ícone. Em alguns
casos extremos como o estudante E22, no modelo 3D 2, acessou os ícones
86 vezes.
4.5.2 – Identificação dos Estilos de Modelagem
A identificação dos “estilos de modelagem” compõe elemento
importante nessa pesquisa visando identificar as melhores práticas. O
“estilo de modelagem” compreende o uso constante de comandos,
visualizações, configurações por um usuário nas modelagens que são
desenvolvidas. Esse padrão de comportamento não ocorre somente no
software desta pesquisa (Trimble Skethup). Essa padrão de
comportamento ocorre por hábito ou algum aprendizado adquirido pelo
usuário que persiste ao longo do tempo no seu modo de trabalhar.
Analisando a modelagem 3D pela ótica da produtividade, o padrão de
comportamento pode-se comportar como um vício ou uma virtude. O
item anterior - 4.5.1, foi elencado um conjunto de ações que ao serem
empreendidas diminuem a perda de tempo. Quando o usuário realiza uma
ação que envolve perda de tempo reiteradas vezes, a mesma se configura
num “estilo de modelagem” prejudicial à produtividade.
Para identificar “estilos de modelagem” entre os participantes foi
proposto, nesta pesquisa, a realização de mais de uma modelagem 3D.
Quanto maior quantidade de repetições na atividade de modelagem maior
confiabilidade na identificação de um padrão de comportamento. Diante
dos prazos disponíveis para coleta e análise das modelagens foi possível
realizar três modelos 3D visando a repetição da tarefa de modelagem. Dos
82 participantes, ficou uma amostra de 32 que não faltaram no teste de
modelagem e fizeram com correção. Essa amostra foi analisada quanto à
109
repetição de padrões que levam a perda de produtividade. Para análise
foram selecionados os aspectos elencados do item anterior - 4.5.1. O
único aspecto não analisado foi o uso constante de alinhamento pois não
é passível de ser realizado pelos dados coletados. Os “estilos de
modelagem” foram identificados de acordo as análises abaixo:
Uso de polígono
O uso de polígono é importante para reduzir o número de linhas
criadas. Na análise da amostra de 32 participantes foi verificado quais não
usaram nenhuma vez o retângulo. Mais da metade dos participantes da
amostra não usou nenhuma vez o retângulo durante as três modelagens.
No total são 19 participantes que não cogitaram utilizar polígono durante
o processo de modelagem, apontando um modo de trabalhar
preferencialmente com linhas.
Apagar em bloco.
Da amostra de 32 participante analisados, quatro não utilizaram
em nenhum momento, o expediente de apagar em bloco. São eles: E6,
E47, E72 e E82. Embora o participante E82 tenha boa produtividade nos
testes, apagar em bloco poderia ter reduzido o número de 12 arestas
apagadas no modelo 3D 2.
Fazer grupo ou componente
A ação de fazer grupo ou componente quase não foi utilizada. Da
amostra analisa somente 1 fez uso que foi o estudante E65. Pela
simplicidade do modelo 3D, este tipo de comportamento, que se mostrou
padrão no usuário, contribuiu para a perda de tempo.
Mover/Copiar Arestas, Faces e Vértices
No item Mover/Copiar foi analisado quais participantes não
usaram nenhuma vez Mover Aresta. Este tipo de ação poderia ter sido
utilizado para reduzir número de comandos nas três modelos 3D
realizados. Foram identificados 17 participantes que não utilizaram
nenhuma vez Mover Aresta. Destes 17 nenhum também utilizou Mover
Face.
110
Uso de linha de medição
Foi analisado, nos 32 participantes separados, quantos usaram
trena para medir arestas e espaçamentos para modelar. Foi encontrado
somente o participante E36. Todo o resto da amostra usou linha sobre
linha para medir (linha de medição). A estudante E36 fez uso deste
recurso uma só vez no modelo 3D 1.
Uso de ícones
De todos os 32 participantes analisados somente um não fez uso
de ícone nenhuma vez durante a realização dos três modelos 3D. Foi o
estudante E65. Dos outros destacam-se 11 que tiveram uso excessivo de
ícones com uma média acima de 15 acessos à ícone por modelo.
Quadro 4 - Quadro síntese dos estilos de modelagem identificados.
Fonte: Autor
111
No Quadro 3, apresenta-se uma síntese dos itens analisados.
Neste quadro aparece a presença ou falta de ações que os usuários
repetiram nos três modelos 3D. Estes comportamentos conduziram à
perda de tempo na tarefa. Isso define o estilo de modelagem destes
usuários. Destaca-se na análise deste quadro que E36, E63, E71, E72 e
E80 estão com a maior quantidade de campos marcados. São 4 de 7
possíveis. Ao verificar os tempos obtidos no teste de modelagem destes 5
participantes, verifica-se que todos são elevados, com baixa performance.
Com isso ressalta-se a importância de se verificar os padrões de
comportamento visando eliminar procedimentos que não contribuem para
a produtividade na tarefa.
4.5.3 - Sub tarefas e estratégia
A única variável ordinal registrada na Planilha Geral da tarefa
(Apêndice E) é a sequência dos setores modelados pelos participantes. O
objetivo desta variável é fazer a análise da sub tarefa. Pesquisas como
Lang et al (1991), Bhavnani, John e Flemming (1999), Chester (2006),
Chi, Lan e Tsai (2000), Rynne e Gaughran (2007) apontam a importância
de analisar as sub tarefas visando mapear como ocorre a realização de
partes da modelagem.
Os dados sequenciais da Planilha Geral foram extraídos do
ordenamento registrado no Mapa de Procedimentos (Fig. 40)
Figura 41 - Extração da sequência de setores modelados de E6 e E71 da modelo
3D 3 a partir do registro no Mapa de Procedimentos.
Fonte: Autor
112
A análise da sub tarefas nessa pesquisa consistiu em verificar o
impacto no desempenho no tempo total da tarefa dependendo da
sequência que o participante escolhesse para a modelagem. Não foi
possível gerar um índice de correlação entre Tempo Total de Tarefa e
Sequência por se tratar de variáveis com diferentes escalas – (Tempo
Total – Escala de Razão / Sequência – Escala Ordinal). A análise da
relação entre desempenho e sequência foi feita diretamente na análise dos
resultados na Planilha Geral. Na tabela 11 foi selecionado para análise os
10 melhores tempos e 10 piores tempos da modelo 3D 1 com as
respectivas sequências de setores modelados pelos participantes.
Tabela 11 - Tabela com sequência de setores feitos do modelo 3D 1.
Sequências dos Setores modelados
Primeiro Segundo Terceiro Quarto Quinto
1 4 1 5 2 3
2 1 5 2 4 3
3 1 5 4 2 3
4 5 1 4 2 3
5 4 2 3 1 5
6 1 5 4 2 3
7 1 5 2 4 3
8 2 4 3 1 5
9 1 5 2 3 4
10 1 2 3 4 5
Primeiro Segundo Terceiro Quarto Quinto
58 1 4 2 3 5
59 1 5 4 2 3
60 1 5 3 2 4
61 1 5 4 2 3
62 1 5 2 4 3
63 4 1 5 2 3
64 1 5 4 3 2
65 1 5 2 4 3
66 1 4 2 3 5
67 1 5 3 4 2
Fonte: Autor
113
O que se identificou na análise da tabela 11 é que não há relação
entre sequências adotadas com o desempenho. Tanto nos 10 primeiros
tempos quanto nos 10 últimos, as sequências se mostraram similares. Há
uma preferência em se modelar primeiro o setor 1 e por último modelar o
setor 3. Visando identificar o padrão global de preferência na sequência
de modelagem de cada modelo 3D foi montada uma tabela geral para cada
uma. (Tabela 12).
Tabela 12 - Tabela com sequência de setores modelados das três modelos 3D.
MODELO 3D 1
ORDEM SOMA
1 2 3 4 5
SETORES
1 56 5 0 6 0 67
2 3 4 30 24 6 67
3 0 4 12 22 29 67
4 5 8 19 15 20 67
5 3 46 6 0 12 67
SOMA 67 67 67 67 67
MODELO 3D 2
ORDEM SOMA
1 2 3 4 5
SETORES
1 4 7 18 19 7 55
2 4 11 20 13 7 55
3 6 11 6 17 15 55
4 11 11 5 4 24 55
5 30 15 6 2 2 55
SOMA 55 55 55 55 55
MODELO 3D 3
ORDEM SOMA
1 2 3 4 5
SETORES
1 7 2 18 7 7 41
2 2 28 7 2 2 41
3 28 8 4 1 0 41
4 2 3 11 17 8 41
5 2 0 1 14 24 41
SOMA 41 41 41 41 41
Fonte: Autor
114
Na análise da Tabela 12 fica evidente a existência de um padrão.
Quase toda a amostra do modelo 3D 1 começou modelando pelo setor 1
(56 de 67) e depois modelou o setor 5 (46 de 67). Há uma forte tendência
também no modelo 3D 2 aonde 30 de 55 começaram modelando pelo
setor 5. No modelo 3D 3 também verificou-se uma tendência relevante
com metade da amostra modelando primeiro o setor 3 (28 de 41) e por
último o setor 5 (24 de 41).
Averiguou-se todo processo de modelagem e foi identificada
uma relação entre a sequência preferencial dos participantes e a ordem
que as figuras, em vista isométrica, foram apresentadas nas 4 folhas
entregues para o teste. No modelo 3D 1, o primeiro setor mais modelado
foi o número 1 que encontra-se visível na primeira folha das quatro
entregues (Fig. 41). O setor 3 não está visível nesta primeira folha. O setor
3 está visível na terceira e quarta folha. O mesmo acontece com a O
modelo 3D 2 aonde o setor 5 foi o mais modelado na primeira ordem. Este
setor está visível na primeira folha.No modelo 3D 3, o setor 3, preferido
Figura 42 - Sequência das folhas que foram entregues no teste de modelagem.
Fonte: Autor
115
por mais da metade da amostra como o setor inicial a ser modelado, está
visível na primeira folha. O setor 5, que foi feito por último pela maioria,
não está visível nesta folha (Fig. 41).
Como todos os participantes observam a primeira página antes
de ver as outras, muitos optaram por começar a fazer do ângulo que lhes
foi apresentado à primeira vista. Há um forte indicativo de indução por
parte do material impresso entregue para realização da tarefa. Isso denota
uma falta de preocupação em organizar uma estratégia de modelagem,
desconsiderando a possibilidade de que a sequência realizada impacta o
tempo final da tarefa. Esta falta de consciência estratégica conduziu
muitos participantes a resultados ruins no modelo 3D 2, mesmo após ter
tido um bom tempo na realização do modelo 3D 1. É o caso de E79 e E82.
Estes dois participantes começaram modelando a volumetria pelo lado e
não debaixo para cima como os modeladores com melhor tempo fizeram.
Isso custou perda de tempo. A falta de preocupação em analisar a
sequência a ser modelada foi o motivo que causou a desistência de E70.
Assim como E79 e E82 iniciou o processo de modelagem pelo pior lado.
A série de complicações consequentes desta escolha gerou a desistência
de concluir a modelagem.
4.6 MODELO DE IDENTIFICAÇÃO DO ALTO DESEMPENHO NA
ATIVIDADE DE MODELAGEM 3D
O modelo para identificação do alto desempenho na modelagem
3D proposto por esta é tese é composto do conjunto dos três objetivos
alcançados nos itens 5.3.3 – (Tempo Total X Variáveis). Item 5.4
(proposta de classificação) e item 5.5.2 (Identificação dos Estilos de
Modelagem).
O modelo possui duas abordagens principais quanto a identificação
da expertise do modelador. Uma é a identificação de um conjunto de
características gerais que impactam com relevância o tempo total da
tarefa. As variáveis identificadas foram o NCD (Número de Comandos
Dados), NS/C (Tempo de Execução) e o TO (Tempo Otimizado). Essa
abordagem geral possui variáveis que identificam a expertise no ato de
modelar em 3D num ambiente digital. Não está relacionada à nenhum
software específico.
A segunda abordagem é uma identificação da expertise no nível
específico do software escolhido. Esta abordagem constitui a
identificação do “estilo de modelagem”. Este estilo está relacionado ao
uso de um comportamento padrão num software específico que conduz a
116
perda de tempo no processo. Esta perda de tempo está relacionada ao uso
de ações, comandos e configurações reiteradas vezes de forma
improdutiva.
Além das duas abordagens de identificação da expertise foi
proposto um sistema de classificação que visa dar um diagnóstico do nível
de expertise do usuário. Esse sistema de classificação foi proposto
somente para a primeira abordagem. O critério para ser feita somente para
a primeira abordagem está baseado em dois objetivos. O primeiro é que a
classificação possa ser utilizada em outros softwares, algo que é possível
pela característica das variáveis da primeira abordagem. O segundo
objetivo é que a classificação possibilitasse diagnosticar a presença ou
ausência dos conhecimentos listados no capítulo 2. Por isso foi
acrescentado a variável Erro (FDe) ao sistema de classificação. A variável
Erro (FDe), além de ser genérica e poder ser mensurada em outros
softwares, representa evidências significativas de falhas no conhecimento
procedimental. Na Figura 42 t6em-se o esquema gráfico que ilustra o
modelo de identificação da expertise em modelagem 3D.
Figura 43 - Modelo de Identificação da Expertise na Modelagem 3D.
Fonte: Autor
117
5 APLICAÇÕES E CONSIDERAÇÕES FINAIS
O modelo de identificação proposto pela tese possui algumas
aplicações. Identificar a expertise é de interesse tanto do meio profissional
quanto do meio educacional.
No mercado de trabalho, a identificação do expert incide no
recrutamento dos melhores profissionais. Além do recrutamento, a gestão
do trabalho também se apropria da identificação dos experts. O
profissional com alta performance numa atividade como a modelagem
3D, têm que estar inserido na cadeia produtiva de projeto aonde obtém
maior rendimento. Para isso é preciso identificar as potencialidades e as
limitações destes profissionais.
No meio acadêmico, a identificação de como se forma um expert
se traduz em contribuição à formulação de propostas pedagógicas mais
eficientes. Um sistema de identificação da expertise pode servir de apoio
à docência, principalmente nas disciplinas de modelagem 3D na
graduação em cursos como Arquitetura, Design e Engenharia.
5.1 SISTEMA DE DIAGNÓSTICO E IDENTIFICAÇÃO DO
PROCEDIMENTO DE ALTO DESEMPENHO
O modelo proposto para identificação da expertise desta tese foi
delineado com base nos propósitos das pesquisas desenvolvidos dentro da
Engenharia do Conhecimento. Ao identificar as potencialidades e
deficiências das atividades intensivas em conhecimento é possível propor
sistemas especialistas (SE) ou sistemas baseado em conhecimento (SBC)
que transferem a sistemas computacionais atividades feito pelos
humanos. Com foco nessa abordagem é feita uma proposta de uso do
modelo de identificação da expertise da tese dentro de um sistema
computacional. A proposta têm por objetivo ilustrar umas das possíveis
aplicações da pesquisa realizada e do modelo concebido.
A aplicação proposta é um sistema de apoio ao ensino de
modelagem. O objetivo deste sistema é identificar e classificar a expertise
em modelagem 3D oferecendo suporte ao professor. A Figura 43 mostra
o fluxograma do sistema proposto.
A entrada do sistema consiste na testagem com os modelos 3D e a
gravação das variáveis, como foi feito no teste de modelagem 3D da tese.
Estas variáveis gravadas são quantificadas, organizadas e filtradas de
acordo o modelo proposto na tese. Estes dados alimentam um banco de
dados que reúne os dados para cada modelo 3D criado e testado com os
alunos. É possível fazer mais testes com os três modelos 3D criados nessa
118
tese aumenando a base de dados, assim como é possível propor novos
modelos 3D a serem testados.
A partir da base de dados estruturada, duas ações podem ser
realizadas após serem gravados os vídeos e os modelos 3D de todas as
modelagens. A primeira ação é separar os vídeos dos menores tempos
alcançados. Os vídeos com modelagens erradas são descartadas. A análise
é feita baseado nos modelos 3D gravados junto com os respectivos vídeos.
Os vídeos dos menores tempos alcançados são disponibilizados aos novos
alunos. Estes alunos têm a possibilidade de visualizar quais estratégias e
procedimentos foram criados para atingir alto desempenho. A segunda
ação que o sistema pode fazer é classificar um novo aluno que fizer uma
modelagem 3D que está na base de dados do sistema.
Figura 44 - Proposta de aplicação computacional do modelo de identificação da
expertise proposto na tese.
Fonte: Autor
119
O resultado da tarefa é comparado com a base de dados para
posterior aplicação da classificação proposta na tese. A partir da
classificação é identificada qual a deficiência do novo aluno. Para cada
deficiência identificada para os itens de classificação, que são NCD,
NS/C, TO e FDe, é proposto um vídeo tutorial específico ou atividade
correlata.
Este sistema não têm como objetivo substituir o professor, que
deve fazer o diagnóstico final da falta ou presença de conhecimento do
aluno. Mas o sistema funciona como apoio para fazer diversas análises no
qual se gastaria muito tempo para fazer. A atuação do sistema é
principalmente na análise do processo de modelagem, identificando
eficiência que é muito mais trabalhoso que a análise da eficácia que
consiste apenas em verificar se o modelo 3D está correto. O sistema serve
como alternativa aos treinamentos tradicionais que Bhavnani, John e
Flemming (1999) descrevem que se apoiam somente no resultado do
produto final.
5.2 CONSIDERAÇÕES FINAIS E SUGESTÕES PARA
TRABALHOS FUTUROS
O projeto de produtos e edificações, atualmente na indústria, têm
utilizado cada vez mais o recurso de se fazer um “produto virtual” durante
as etapas de projeto através das ferramentas CAD. As demandas atuais da
indústria demandam cada vez mais das universidades que os engenheiros,
arquitetos e designers sejam graduados com habilidades em modernas
ferramentas CAD. O profissional que não estiver capacitado vai ser posto
em desvantagem no ambiente altamente competitivo (PENG et al, 2012).
Pesquisa citada por PENG et al (2012), com as indústrias, apontam
que 74% consideram inadequado a ensino de CAD. Muito do que é
ensinado é focado no Conhecimento Declarativo, que significa mostrar o
que faz os comandos. Hartman (2005) aponta que em decorrência da falta
de uma efetiva educação e treinamento, muitos usuários não desenvolvem
habilidades que focam no uso efetivo de estratégias dentro do software.
Hartman (2005) destaca que as universidades não encorajam os
estudantes as melhores práticas. Elas estão estritamente preocupadas na
proficiência de seleção de menus e comandos dos aplicativos.
A ausência das melhores práticas dentro das sala de aula é apontada
por Chester (2008) pela dificuldade que há ainda em identificar a
expertise. Chester (2008) aponta que, a indicação dos experts, ainda é
feita por experiência ou por indicação dos pares.
120
Diante deste contexto, foi realizada uma Revisão Sistemática
analisando diversas pesquisas que focam na expertise em CAD. O
objetivo foi verificar como as pesquisas estão analisando e identificando
a expertise. Este levantamento apontou que algumas abordagens ainda
não foram realizadas. São lacunas que precisam ser sanadas visando uma
panorama mais preciso do que compõe a expertise na atividade de
modelagem 3D. Foram identificados três aspectos a serem abordados: A
falta de uma análise no Tempo Total da tarefa identificando as variáveis
que mais impactam o tempo final, a ausência de um sistema de
classificação da expertise e a identificação dos “estilos de modelagem”
que conduzem a perda/ganho de tempo na atividade.
Todos os três aspectos listados não foram considerados em outras
pesquisas. Os resultados encontrados na tese, a partir da resolução dos
aspectos ausentes em outras pesquisas, contribuíram para o entendimento
da expertise e para a elicitação das melhores práticas.
Os resultados foram alcançados através da análise da atividade de
modelagem 3D e foi proposto um modelo global de identificação da
expertise que englobou as três abordagens propostas. A análise da
atividade foi feito através do rastreamento da tarefa de modelagem 3D.
Foi identificada, na atividade realizada por 82 alunos de graduação, as
variáveis que mais impactam o Tempo total da atividade de modelagem
3D. Foram identificadas por ordem de importância: O Número de
Comandos Dados (NCD), O Tempo Otimizado e a Velocidade de
Execução.
Cada variável identificada está relacionada diretamente à
produtividade da atividade de modelagem 3D. O NCD explicita a
existência de Conhecimento Estratégico, que é considerado pela maioria
dos autores pesquisados como o ponto principal que precisa de melhoria
de ensino nas universidades. Rynne, Gaughran e Seery (2011) apontam
que certamente uma mudança relevante no atual “mundo do CAD” é uma
mudança no foco pedagógico no qual os aprendizes desenvolvem o
pensamento projetual e a capacidade de resolução de problemas. Isto será
obtido através do desenvolvimento e aplicação dos conhecimentos
estratégicos de modelagem em CAD.
A partir da identificação das variáveis que impactam o Tempo
Total da tarefa foi proposto um sistema de classificação. A classificação
possibilitou a verificação do atual conhecimento de modelagem em
detalhes de cada estudante. Isso permite a possibilidade de concentrar
esforços em aperfeiçoar somente as limitações específicas de cada
indivíduo. Também dentro do mesmo propósito, foi feita a identificação
dos “estilos de modelagem” que permitiu uma noção mais aprofundada
121
ainda das deficiências dos estudantes. A análise dos “estilos de
modelagem” possibilitou identificar vícios que estudantes carregam e
muitas vezes não tem noção, quando trabalham com as ferramentas CAD.
A identificação das variáveis que mais impactam o tempo da tarefa
de modelagem, a classificação e a identificação dos “estilos de
modelagem” compõe o modelo de identificação da expertise proposto por
este trabalho.
A síntese da contribuição desta tese foi o Modelo de Identificação
da Expertise em modelagem 3D que engloba:
- A identificação das variáveis que mais impactam o Tempo Total
da tarefa de modelagem 3D.
- A proposição de um sistema de classificação da expertise a partir
das variáveis que impactam a produtividade da atividade de modelagem.
- A identificação que usuários de softwares CAD possuem um
padrão de comportamento quando modelam. Foi destacado quais destes
comportamentos prejudicam/auxiliam o desempenho de modelagem
quando é utilizado o software Trimble Sketchup. (caso especifico desta
tese).
5.2.1 – Recomendação de trabalhos futuros
Para trabalhos futuros, é proposta três linhas de pesquisas:
1- A pesquisa dos dados registrado na tarefa através de outras
abordagens estatísticas e metodológicas. Foco na identificação de um
padrão de resolução de problema de modelagem através de redes neurais
com a predição do comportamento.
2- A pesquisa voltada especificamente para aprendizagem.
Monitorar e sistematizar como muda a classificação da expertise (proposta pela tese) ao introduzir novas propostas pedagógicas de ensino
de estratégias na atividade de modelagem 3D.
3- A pesquisa com viés da ciência cognitiva e neurociência.
Correlacionar os resultados dos testes encontrados neste trabalho com
testes psicotécnicos. Identificar a atividade cerebral com testes da
neurociência como o EEG (Eletroencefalograma) durante a criação de
122
estratégias, tomada de decisão e resolução de problemas durante a
modelagem 3D.
Independente da linha de pesquisa para trabalhos futuros a serem
adotados, o foco nos próximos anos é uma investigação aprofundada no
Conhecimento Procedimental e Estratégico. É necessário entender melhor
como ele é estruturado, como se desenvolve e como desenvolvê-los.
Todas as pesquisas analisadas na revisão da literatura apontam de maneira
veemente a importância do aperfeiçoamento dos procedimentos e das
estratégias tanto para ganho de produtividade quanto para a criação de
modelos 3D mais “inteligentes”. Este trabalho também corrobora com
esta visão, ao observar os resultados encontrados, que apontaram que
saber proceder e ter uma boa estratégia é fundamental para um
desempenho eficiente na modelagem digital 3D.
123
REFERÊNCIAS
ABANDA, F. H. et al. A critical analysis of Building Information
Modelling systems used in construction projects. Advances in
Engineering Software, v. 90, p. 183-201, 2015.
ANDERSON, J. R. (1983). The Architecture of Cognition. Cambridge,
MA: Harvard University Press.
AHMED, Saeema; WALLACE, Ken M.; BLESSING, Luciënne T.
Understanding the differences between how novice and experienced
designers approach design tasks. Research in engineering design, v. 14,
n. 1, p. 1-11, 2003.
AULT, Holly K. 3-D geometric modeling for the 21st
century. Engineering Design Graphics Journal, v. 63, n. 2, 2009.
AUTODESK. AutoCAD 2013 User’s Guide. 2012
Link:http://docs.autodesk.com/ACDMAC/2013/ENU/PDFs/acdmac_20
13_users_guide.pdf. Acessado em 28/09/2015.
BHAVNANI, Suresh K.; GARRETT, James H.; SHAW, Doris S.
Leading indicators of CAD experience. In: CAAD Futures. 1993. p.
313-334.
BHAVNANI, Suresh K.; JOHN, Bonnie E.; FLEMMING, Ulrich. The
strategic use of CAD: An empirically inspired, theory-based course.
In: Proceedings of the SIGCHI conference on Human Factors in
Computing Systems. ACM. p. 183-190. 1999.
BINZ-SCHARF, Maria Christina. Exploration and Exploitation:
Toward a Theory of Knowledge Sharing in Digital Government Projects. Dissertação (Doutorado em Economia). Universität St. Gallen,
Hochschule für Wirtschafts-, Rechts- und Sozialwissenschaften (HSG),
Zurich, 2003.
CASTELLS, Manuel; GERHARDT, Klauss Brandini. A sociedade em
rede. São Paulo: Paz e terra, 2000.
CELANI, Maria Gabriela Caffarena, e PUPO, Regiane Trevisan.
Prototipagem rápida e fabricação digital para arquitetura e
124
construção: definições e estado da arte no Brasil. Cadernos de pós-
graduação em arquitetura e urbanismo8.1 (2008).
CHESTER, Ivan Robert; TEACH, Dip; TEACH, Adv Dip. Delineating
and Developing Expertise in Three-Dimensional Computer Aided
Design. 2006. Tese de Doutorado. Griffith University.
CHESTER, Ivan. Teaching for CAD expertise. International Journal
of Technology and Design Education, v. 17, n. 1, p. 23-35, 2007.
CHESTER, I. Researching expertise development in complex
computer applications. In International Technology Education Series,
Rotterdam/Taipei: Researching technology education: Methods and
techniques (pp. 70-88).2008
CHI, M.T.H., GLASER, R. e FARR, M.J. The nature of expertise.
New Jersey:Lawrence Erlbaum Associates.1988
CHI, Chia-Fen; LAN, Woei-Shuoh; TSAI, Jeng-Ru. Deriving and
analyzing performance strategy in a two-dimensional drawing
task. International Journal of Industrial Ergonomics, v. 25, n. 4, p. 393-
404, 2000.
COOKE, N. J., ATLAS, R. S., LANE, D. M., e BERGER, R. C. Role of
high-level knowledge in memory for chess positions. American
Journal of Psychology,Vol. 106, pp. 321-351.1993
COOKE, N.J. (2000) Knowledge Elicitation. In Durso, F.T. Ed (2000)
Handbook of Applied cognition. West Sussex: Ed Wiley and Sons.
CROSS, Nigel. Expertise in design: an overview. Design studies, v.
25, n. 5, p. 427-441, 2004.
CUSTERS, E.J.F.M., Boshuizen, H.P.A., & Schmidt, H.G.
Cognition and Instruction. Vol. 16, No. 4, pp. 367-398. 1998. DAVENPORT, Thomas H; PRUSAK, Laurence. Conhecimento
empresarial: como as organizações gerenciam o seu capital
intelectual. 8. ed. Rio de Janeiro: Campus. 237p.1998
125
FLORIO, W., O Uso de Ferramentas de Modelagem Vetorial na
Concepção de uma Arquitetura de Formas Complexas. Tese
(Doutorado) – Faculdade de Arquitetura e Urbanismo da Universidade
de São Paulo. 2005
FLORIO, W. Modelagem Paramétrica, Criatividade e Projeto: duas
experiências com estudantes de arquitetura. Gestão & Tecnologia de
Projetos, 6(2), 43-66. 2012.
GIL, Antônio Carlos. Como elaborar projetos de pesquisa. 4. ed. São
Paulo: Atlas, 2002.
GROOT, DE A.D. Thought and choice in chess. The Haig:
Mouton.1965
HAMADE, Ramsey F.; ARTAIL, Hassan A.; JABER, Mohamad Y.
Evaluating the learning process of mechanical CAD
students. Computers & Education, v. 49, n. 3, p. 640-661, 2007.
HAMADE, Ramsey F.; ARTAIL, Hassan A. A study of the influence
of technical attributes of beginner CAD users on their
performance. Computer-Aided Design, v. 40, n. 2, p. 262-272, 2008.
HAMADE, Ramsey F.; ARTAIL, Hassan A.; JABER, Mohamad Y. A
study of the impact of the willingness-to-learn of CAD novice users on their competence development. Computers & Industrial
Engineering, v. 61, n. 3, p. 709-720, 2011.
HAMADE, Ramsey F. Learning Curves for CAD Competence
Building of Novice Trainees. 2012. Researchgate.net
HARTMAN, Nathan W. Defining expertise in the use of constraint-
based CAD tools by examining paracticing professionals. Engineering
Design Graphics Journal, v. 69, n. 1, 2005.
HEDLUND, G. A model of knowledge management and the N-form
Corporation. Strategic Management Journal, 15.73-90.1994
HOFFMAN, Robert R. et al. Eliciting knowledge from experts: A
methodological analysis. Organizational behavior and human
decision processes, v. 62, n. 2, p. 129-158, 1995.
126
KOGUT, B. , ZANDER, U. Knowledge of the firm, combinative
capabilities, and the replication of technology. Organization Science,
3(3): 383-397.1992
KALAY, Yehuda E. Architecture's new media: principles, theories,
and methods of computer-aided design. MIT Press, 2004.
KOLAREVIC, B. Architecture in the digital age: design and
manufacturing. New York, Spon Press, 313 p. 2003
KRATOCHVIL, Claudia Finger. Letramento e tecnologia: o aprendiz
estratégico e crítico na era da informação. In: NASCIMENTO, A. D.,
LANG, George T, EBERTS, Ray E, GABEL Michael G. MOSHE, M.
Barash. Extracting and using procedural knowledge in a CAD
task. Engineering Management, IEEE Transactions on, v. 38, n. 3, p.
257-268, 1991.
LAWSON, Bryan. Schemata, gambits and precedent: some factors
in design expertise. Design studies, v. 25, n. 5, p. 443-457, 2004.
LEITÃO, António; SANTOS, Luís; LOPES, José. Programming
languages for generative design: A comparative study. International Journal of Architectural Computing, v. 10, n. 1, p. 139-162, 2012.
LIU, Y. et al. A fuzzy psycho-physiological approach to enable the
understanding of an engineer’s affect status during CAD
activities.Computer-Aided Design, v. 54, p. 19-38, 2014.
MATLIN, Margaret. Psicologia cognitiva5. ed. Rio de Janeiro (RJ):
LTC. 403p. 2004
MIEG, H.A. The social psychology of expertise: case studies in
research, professional domains, and expert roles. Mahwah, N.J.;
London : LawrenceErlbaum Associates.2001
NAZARIO, Debora C., PACHECO, Roberto C.S., TODESCO, José L. e
ROTTA, Maurício J. R. O Processo de Aquisição na Engenharia do
Conhecimento: técnicas de Extração e Elicitação. In: CONTECSI-
127
International Conference on Information Systems and Technology
Management. 2012. p. 499-517.
NONAKA, I. A dynamic theory of organizational knowledge
creation. Organization Science, 5(1): 14-37.1994
NONAKA, I.; TAKEUCHI, H. Criação de conhecimento na empresa:
Como as empresas japonesas geram a dinâmica da inovação. Rio
De Janeiro: Campus, 1997.
NONAKA, Ikujiro; TAKEUCHI, H. The knowledge-creating
company. Oxford. UK. Oxford University Press.1995
NONAKA, I.; TOYAMA, R.; KONNO, N. SECI, ba and leadership:
A unified model of dynamic knowledge creation. Long Range
Planning,
v. 33, p. 5-34, 2000.
OPREAN, Danielle; BALAKRISHNAN, Bimal. Quest for Efficiency:
Examining Cognitive Processes Underlying the Use of 3D Modeling
Tools. In:eCAADe 2013: Computation and Performance–Proceedings
of the 31st International Conference on Education and research in
Computer Aided Architectural Design in Europe, Delft, The
Netherlands, September 18-20, 2013
OXMAN, Rivka. Theory and design in the first digital age. Design
studies, v. 27, n. 3, p. 229-265, 2006.
PENG, Xiaobo et al. Assessing novice CAD model creation and
alteration.Computer-Aided Design and Applications, PACE (2), p. 9-
19, 2012.
PENG, Xiaobo et al. Integration of contextual exercises in computer-
aided design education. Computer-Aided Design and Applications,
v. 12, n. sup1, p. 13-21, 2015.
PEKTAŞ, Şule Taşlı. Cognitive styles and performance in traditional
versus digital design media. eCAADe Conference Proceedings, 2009
POLANYI, M. The Tacit Dimension. London: Routledge.1966
128
PORTELLA, Underléa Bruscato.De lo digital en arquitectura. Tese de
Doutorado. Universidad Politecnica de Cataluña, Barcelona, 2006.
RYNNE, Anthony; GAUGHRAN, William. Cognitive modeling
strategies for optimum design intent in parametric
modeling. Computers in Education Journal, v. 18, n. 1, p. 55-68, 2007.
RYNNE, Anthony; GAUGHRAN, William F.; SEERY, Niall. Defining
the variables that contribute to developing 3D CAD modelling
expertise. In:Graphicacy and Modelling. The International Conference
on Design and Technology Educational Research and Curriculum
Development, Loughborough, UK.. p. 161-233. 2011
RYLE, Gilbert. The concept of mind. London: Hutchinson. 1949.
SALMAN, Huda S.; LAING, Richard; CONNIFF, Anna. The impact of
computer aided architectural design programs on conceptual design in an educational context. Design Studies, v. 35, n. 4, p. 412-439,
2014.
SCHREIBER, G. et al. Knowledge engineering and management: the
commonKADS methodology, Massachusetts: MIT Press, 2000.
SETZER, Valdemar W. Dado, informação, conhecimento e
competência.DataGramaZero Revista de Ciência da Informação, n. 0,
1999.
SHEDROFF, Nathan. Information interaction design: A unified field
theory of design. Information design, p. 267-292, 1999.
SPENDER, J. C. Making knowledge the basis of a dynamic theory of
the firm. Strategic Management Journal, 17: 45-62.1996
STERNBERG, R.J. Metaphors of mind; conceptions of the nature of
intelligence.Cambridge, New York: Cambridge University Press.1990
STERNBERG, Robert J. Psicologia cognitiva. 5 ed. São Paulo:
Cengage Learning,. 584p. 2010
129
STERNBERG, R.J. e GRIGORENKO, E. (2003). The psychology of
abilities, competencies, and expertise. New York: Cambridge
University Press.
SVETEL, Igor; JARIĆ, Marko; BUDIMIR, Nikola. BIM: Promises
and reality.Spatium, n. 32, p. 34-38, 2014.
TRANFIELD, D.; DENYER, D.; SMART, P. Towards a methodology
for developing evidence-informed management knowledge by means of systematic review. British Journal of Management, v. 14, n. 3, p.
207-222, 2003
UNWIN, Simon. Manual de BIM: Um guia de modelagem da
informação da construção para arquitetos, engenheiros, gerentes,
construtores e incorporadores. Bookman Editora, 2014.
WEISBERG, David E. The History of CAD. 2008.
www.cadhistory.net. Acessado em 10/01/2014
130
APÊNDICE A – Revisão Sistemática
Foi realizada uma Revisão Sistemática entre os dias 12/08/2015 e
12/09/2015 com o objetivo de identificar pesquisas relacionadas a
desempenho e produtividade na atividade de modelagem 3D.
Foi utilizado como referência para o planejamento da revisão
sistemática nos estágios descritos por Tranfield, Denyer e Smart (2003).
Os três estágios compõe 10 fases (1- 3 fases;2- 5 fases; 3 – 2 fases). Nessa
revisão não será mostrado todas as fases porque muitas delas estão
descritas na própria tese como a fase 0 que descreve a necessidade de se
fazer a revisão sistemática. Com isso será descrito somente os três
estágios:
01 – Planejamento da Revisão
O primeiro estágio descreve o objetivo da revisão e as palavras
chaves, base de dados utilizada, critérios de inclusão e exclusão e escala
temporal analisada
02 – Protocolo de acesso aos dados da revisão
O segundo estágio demonstra os resultados encontrados com as
respectivas filtragens com base no planejamento do estágio 1
03 – Relatório final
O estágio final aponta as pesquisas selecionadas. Descreve os
trabalhos mais importantes, as potencialidade e as lacunas encontradas.
ESTÁGIO 01
O objetivo da revisão é selecionar pesquisas com foco na
produtividade na tarefa de desenho 2D e modelagem 3D com softwares
CAD. Embora o foco seja a modelagem 3D, a produção de representação
bidimensional é considerada no levantamento, sendo inclusive o 2D parte
constituinte do processo de criação 3D.
As bases de dados utilizadas foram: Science Direct e Scopus, Essas
três bases incorporam áreas tecnológicas no qual o CAD está inserido
como como ocorre nas engenharias. Também incorpora as ciência socias
131
aplicadas como a arquitetura e a parte de educação. Essas duas bases têm
a seguinte abrangência: Science Direct (2500 Journals) e Scopus (21000
sendo 3800 totalmente abertos).
Além das duas bases citadas de periódicos, foi consultada também
a base CuminCAD (Cumulative Index of Computer Aided Architectural
DesignI) que é exclusiva para pesquisas em CAD. O CuminCAD têm na
sua abrangência 12300 trabalhos de jornais e conferências como
ACADIA, ASCAAD, CAADRIA, eCAADe, SiGraDi, CAAD
futures, DDSS e outros.
Visando uma abrangência maior na pesquisa foi utilizada também
uma base de acesso à dissertações e doutorados que é a ProQuest OPEN.
Esta base acessa diversas universidades que disponibilizam acesso livre
aos trabalhos acadêmicos.
As palavras-chave escolhidas foram CAD (Computer Aided Design), Expertise, Procedural Knowledge, Strategic Knowledge, Task
Analysis.
ESTÁGIO 02
O estágio 2 foi feito em duas etapas. A primeira consiste na busca
das palavras chave dentro dos repositórios. As palavras – chave foram
divididas em grupos de busca e quantificada as ocorrências. Os grupos
forma criados pois a colocação de todas as palavras-chave na busca
incidiria em pouco retorno. Em todos os grupos têm a palavra CAD
porque as outras palavras são genéricas e não definem uma área em
específico. A palavra CAD não foi utilizado sozinha. Sempre foi
acompanhada de Computer Aided Design. Isso porque somente a palavra
CAD abrange também uma área da medicina (Coronary Artery Disease)
que não interessa à pesquisa.
Foram montados quatro grupos sendo CAD e Computer Aided
Design foram acompanhados de Expertise, Procedural Knowledge, Strategic Knowledge , Task Analysis.
O resultado das buscas encontra-se na tabela 1.
132
Etapa 1 – Resultado das buscas
Tabela 13 - Resultados encontrados na Revisão Sistemática.
Grupos Palavras - Chave BASES DE DADOS
SCOPUS
SCIENCE DIRECT
CUMINCAD PROQUEST
OPEN
Grupo 01 CAD, Computer Aided Design,
Expertise 708 2251 19 42
Grupo 02
CAD, Computer Aided Design, ,
Procedural Knowledge
40 130 1 2
Grupo 03 CAD, Computer Aided Design, ,
Strategic Knowledge 11 22 2 1
Grupo 04 CAD, Computer
Aided Design, Task Analysis
38 138 1 4
Fonte: Autor
Etapa 2 – Filtragem dos artigos, trabalhos e teses
A segunda etapa consistiu na filtragem dos trabalhos com os
seguintes critérios de exclusão. Foi rastreado o título de todas amostras
levantadas selecionando pesquisas relevantes à área da tese. Foram
separados 42 títulos. Depois foi feito a leitura dos resumos para a
filtragem segundo os critérios abaixo:
- A pesquisa teria que estar diretamente ligada a conceituação,
medição e análise do comportamento na tarefa de criação 2D ou
modelagem 3D em software CAD. Pesquisas sobre o desempenho do
sistema computacional sem a participação do usuário foi descartada.
- Foram descartadas pesquisas específicas de tecnologia relacionada à CAD como realidade aumentada, realidade virtual etc...
- Pesquisas que estão direcionadas ao processo de criatividade e a
concepção do projeto arquitetônico e engenharia foram descartadas.
- No levantamento realizado foi selecionado trabalhos que
possuíam além da base teórica, pesquisa prática aplicada com
133
metodologia, amostra, quantificação de dados e resultados. Pesquisas só
de aspecto teóricos não foram selecionadas.
- Foram descartadas as pesquisas repetidas.
Da amostra de 42 títulos foram separados 15 para leitura completa
e montagem de quadro comparativo do Apêndice B
A análise das pesquisas apresentam na maioria as seguintes
características:
Pesquisas na área de Engenharia: A maioria das pesquisas são na
disciplina de Engenharia Mecânica. Foi observado que dentro desta
disciplina existe grande interesse pela produtividade na atividade de
modelagem 3D, diferente da Arquitetura no qual somente 1 trabalho foi
encontrado.
Software – Pelo fato da maior parte das pesquisas serem na
disciplina de Engenharia Mecânica, os softwares mais utilizados para
teste com usuários foram Pro/Engineer e Solid Works com três
ocorrências e NX com duas ocorrências.
Amostras reduzidas: Metade das pesquisas apresentaram amostras
bem reduzidas para os testes realizados. Metade das pesquisas possui
menos de 30 participantes Essa quantidade reduzida amplia a
possibilidade de viés na pesquisa, principalmente nas que fazem análise
quantitativa.
Técnica de Elicitação mais utilizada: A técnica de elicitação mais
utilizada foi o Rastreamento do Processo com posterior correlação de
dados.
Objetivo – Embora cada pesquisa tenha um objetivo diferente dois
grupos principais foram identificados pela proximidade das propostas:
Grupo 01 - As pesquisas cujo objetivo é identificar as
características da Expertise
Grupo 02 - As pesquisas cujo objetivo é analisar a expertise com
um viés de ensino e aprendizagem.
Os principais trabalhos para tese são do grupo 1 pois buscam a
identificação da expertise na modelagem como faz este trabalho.
134
ESTÁGIO 03
As lacunas identificadas entre as pesquisas são três: A ausência de
uma análise da expertise focando nas ações que mais contribuem para o
tempo total da tarefa, a ausência de um sistema de classificação e a
ausência de verificação de um padrão de comportamento do usuário ao
longo de diversas modelagens realizadas. Das 15 pesquisas do Quadro
Comparativo, duas foram as que mais importantes pela proximidade da
pesquisa realizada nesta tese: Lang et al (1991) e Chi, Lan e Tsai (2000).
AUTOR ANO TÍTULOTAMANHO DA
AMOSTRA
PESQUISADA
CARACTERISTICA DA
AMOSTRASOFTWARE UTILIZADO OBJETIVO DA PESQUISA
METODOLOGIA
UTILIZADA para
TRABALHO COM OS
DADOS
METODOLOGIA UTILIZADA
para ELICITAÇÃO do
CONHECIMENTO Baseado em
(Cooke, 2000)
QUANTIFICAÇÃO PROPÓSITO e CONCLUSÕES
George T. Lang, Ray E.
Eberts, Michael G. Gabel
e Moshe M. Barash
1991
Extracting and Using Procedural
Knowledge in
a CAD Task
33
2 experts e 31 novatos
participaram da fase um. 2
experts e 2 novatos
participaram da fase dois
Computervision
CADD4X
Identificar os diferentes
procedimentos entre
novatos e experts na
tarefa de modelagem 3D
Análise descritiva e
pormenorizada da
tarefa
Rastreamento do processo
1- Variedade de comandos dados; 2-Número de comandos
dados; 3- tempo Total da tarefa; 4- Número de erros ; 4 -
precisão do modelo; 5 Tempo de pausa entre comandos
Enfatiza a diferença entre conhecimento declarativo e procedimental.Conclui-se
que embora sujeitos novatos possuam conhecimento declarativo idêntico, a
performance é diferente. O motivo é o conhecimento procedimental. Cita que o
conhecimento procedimental pode ser transferido entre softwares.
Suresh K. Bhavnani e
James H. Garrett, Jr.1993
Leading Indicators of CAD
Experience6
divido em 3 grupos de duas
pessoas ; G1-novatos. G2-
experts em CAD em geral e
G3 - experts no software
utilizado no experimento
CANVAS software
Identificar os
procedimentos de alto
desempenho na tarefa de
modelagem 3D com foco
em proposta futura de
interface adaptativa
Correlação de Dados
e Redes Neurais
Rastreamento do processo e
Relatórios Verbais (Think
Aloud )
1 - Lista todos os comandos dados e mensura quantas vezes
eles foram dados (comandos dividido em 4 categorias); 2-
Quantifica a variedade de comandos usados ; 3 - Quantifica o
tempo total da tarefa 4- Quantifica - Qualidade do desenho
Enfatiza a criação de um modelo de interface adaptativa baseado na experiência
do usuário.Modelo se baseia na identificação da expertise do usuário e habiliades
cognitivas. A conclusão do autor é que há diferenças visíveis na tarefa entre
diferentes expertises e essas diferenças deixam "assinaturas" possíveis de serem
gravadas. Cita como ferramenta de identificação do nível de expertise o uso de
redes neurais. Dados do Think Aloud mostraram-se inapropriados.
Chia-Fen Chi, Woei-
Shuoh Lan e Jeng-Ru
Tsai
2000
Deriving and analyzing
performance strategy
in a two-dimensional drawing task
6 6 experts em desenho 2D AUTOCAD
Verificar o impacto das
estratégias no tempo da
tarefa
Correlação de Dados Rastreamento do processo
1- Tempo total; 2- Tempo mental largo; 3- Tempo mental
pequeno; 4 - tempo de erro; 5 Número de comandos dados
(Function units) ; 6 - Unidade de Tarefa (Unit Goal ); 7- Grupos
da tarefa (Task Group )
Enfatiza que o modelo GOMS é útil para registro detalhado na tarefa como feito
anteriormente em artigo anterior denominado " Task analysis for computer-
aided-design (CAD) at a keystroke level "(1996). A partir dos dados da pesuisa de
1996 foi feita nova análise num nivel mais amplo que relacionasse os dados
coletados com a estratágia usada. Com isso demosntrou que é possível mapear o
impacto das estratégias nos diversos tempos mensurado na tarefa.
Nathan W. Hartman 2005
Defining Expertise in the Use of
Constraint-based CAD
Tools by Examining Practicing
Professionals
5
Todos considerados Experts.
4 em PRO ENGINEER e 1 em
SOLIDWORKS
PRO ENGINEER e
SOLIDWORKS
Identificar os
procedimentos de alto
desempenho na tarefa de
modelagem 3D
Mapas de
Conhecimento
Relatórios Verbais (Think
Aloud )
1- Dados coletados pelo Think Aloud ; 2- Criação de Mapas de
Conhecimento (Esses mapas são criados pela escolha dos
comandos que as pessoas consideram prioritários no
processo de modelagem)
Enfatiza a necessidade de se conhecer os métodos estratégicos de trabalho dos
Experts. Concluiu-se que apesar de ter usuário de diferentes softwares o
pensamento era muito similar.Os usuários vêem a tarefa como os comandos do
programa e não no contexto de criação, edição e precisão. Os participantes não
trabalham a estratégia somente ao declarativo e o procedimental. Por fim foi
identificado os procedimentos comuns a todos os experts, objetivo da pesquisa
Anthony Rynne e
William F. Gaughran2007
Cognitive modeling strategies for
optimum
design intent in parametric
modeling (PM)
4Estudantes de pós
graduaçãoSOLIDWORKS
Identificar diferentes
estratégias durante tarefa
de modelagem 3D
Análise descritiva
dos dadosRastreamento do processo
1- Contagem de número de features (comandos de gerar 3d
sobre desenho. Ex: Extrusão) ; 2 Questionário de balisamento
de conhecimentos prévios
Baseado em Lang et al (1991) ressalta o quanto é ensinado de conhecimento
declarativo e o quanto falta de ensino procedural. A falta do conhecimento
procedural é o que divide novatos e experts
Ivan Chester 2008
Researching Expertise
Development in Complex Computer
Applications
indefinido não descrito não descrito
Identificar os
procedimentos de alto
desempenho na tarefa de
modelagem 3D
Análise
pormenorizada da
tarefa
Rastreamento do processo e
Relatórios Verbais (Think
Aloud)
1 - Dados coletados pelo Think Aloud ;2- Quantificação de
todos os tipos de comandos usados; 3-Quantificação de
processos cognitivos; 4 - Tempo total da tarefa
Enfatiza a importância de se identificar o conhecimento estratégico. Elabora um
método para análise fina do comportamento do expert através da junção do
rastreamneto do processo e relatório verbal. Conclui-se que, assim como em
outros dominios, a estratéga na atividade de modelagem envolve planejamento,
seleção de estratégias, predição, verificação e monitoramento.
R.F. Hamade, , H.A.
Artail2008
A study of the influence of
technical attributes of beginner
CAD users on
their performance
44
Todos engenheiros
mecânicos seniors
participantes como trainee
de um treinamento em CAD -
PRO ENGINEER
Identificar o impacto dos
conhecimentos técnicos
prévios no desempenho na
tarefa de modelagem 3D
Correlação de Dados Entrevista/Questionário e
Rastreamento do processo
1- Dados coletados no Questionário 2- Tempo total da tarefa
2- Número de features (comandos de gerar 3d sobre
desenho. Ex: Extrusão)
Enfatiza a importância dos conhecimentos técnicos como informática, geometria,
matemática, engenharia e outros no desempenho na atividade de modelagem
digital 3D. Esses conhecimentos técnicos estão classificados como; Conhecimento
Declarativo. Como conclusão encontrou forte correlação entre matemática
básica e desempenho na atividade de modelagem 3D
Anthony Rynne, William
F Gaughran e Niall Seery2011
Defining the variables that
contribute to developing 3D CAD
modelling expertise
53
Partcipantes com
conhecimentos prévios do
software e de representação
gráfica
SOLIDWORKS
Identificar a relação entre
conhecimento de
representação gráfica e o
desempenho em
modelagem 3D
Correlação de Dados Rastreamento do processo
1- Tempo Total ; 2- Número de features (comandos de gerar
3d sobre desenho. Ex: Extrusão)
Enfatiza a importância do conhecimento estratégico baseado em outros
trabalhos. Ressalta o quanto o conhecimento estratégico é importante para
construção de modelos 3D que serão editados. Ressalta a importância do
conhecimento de representação gráfica para o desempenho no conhecimento
estratégico. A concusão é que não há evidência empírica que conecte habilidade
gráfica e expertise na modelagem
Xiaobo Peng, Prentiss
McGary, Michael
Johnson, Bugrahan
Yalvac e Elif Ozturk
2012Assessing Novice CAD Model
Creation and Alteration17
Participantes novatos do
curso de Engenharia
Mecânica . Dividido em dois
grupos; um deveria modelar
rápido e o outro criar um
modelo de fácil edição.
NX CAD Software
Identificar o impacto do
conhecimento
procedimental
(estratégico) no processo
de alteração de modelos
3D feito por terceiros
Correlação de Dados Entrevista/Questionário e
Rastreamento do processo
1- Tempo total da tarefa; 2- Avaliação de 4 aspectos na escala
de 1 a 7 das condições do modelo digital 3D recebido de
outro participante. ; 3-Quantificação de todos os tipos de
comandos usados
Enfatiza a importância de se criar modelos 3D que sejam fáceis de serem
editados por outros. É o que se denomina modelo 3D de fácil manutenção. Esses
modelos tornam o processo de modelagem mais rápido. A conclusão após teste é
que modelos feitos pensando em posterior alteração levam mais tempo para
serem criados. porém em caso de alterações o tempo perdido anteriormente é
ganho com folga.
Oprean, Danielle e
Balakrishnan,Bimal2013
Quest for Efficiency: Examining
Cognitive Processes
Underlying the Use of 3D Modeling
Tools
19Alunos de graduação em
ArquiteturaTrimble SKETCHUP
Identificar os
procedimentos de alto
desempenho na tarefa de
modelagem 3D
Relatórios Verbais (Think
Aloud)
1- Dados coletados pelo Think Aloud ; 2- Dados coletados da
tela como cliques e movimento do cursor
Enfatiza o impacto de estratégias erradas no tempo final da tarefa. Em teste
realizado o mais rápido modelou em 15 minutos e o mais lento em 50 minutos.
Essa grande diferença foi mapeado pelo autor num conjunto de estratégias
inadequadas. O autor us acomo referência o modelo de estratégias adequadas
citadas por Bhavnani,Bonnie e Flemming (1999).
Suresh K.
Bhavnani,Bonnie E. John
e Ulrich Flemming
1999
The Strategic Use of CAD:An
Empirically Inspired, Theory-Based
Course8
8 dividido em 7 de pós e um
de graduaçãoNão mencionado
Verificação de
aprendizagem de
conhecimento estratégico
em CAD
Correlação de Dados Rastreamento do processo
1- É dado o valor de 0 quando a tarefa feita pelo sujeito não
usa a estratégia adequada e 1 quando usa. Foram feitos 3 pré
testes e 3 pós testes em relação ao curso ministrados
verificando a aprendizagem
Cita que a experiência e a a boa interface não são garantias de eficiência na
tarefa de criação em CAD sem o conhecimento estratégico. Propõe um
treinamento para fortalecer a estratégia com ganho de produtividade e
eficiência. O teste piloto consiste ensinar estratégias no ensino de um curso e
verificar o aprendizado ao final. A conclusão demonstra ganho em habilidades de
estratégia.
Ivan Chester 2007 Teaching for CAD expertise 34
34 alunos de graduação.
Novatos em CAD. É dividido
em 2 grupos. Um é o grupo
controle e o outro é o grupo
que passará por um
treinamento
não descrito
Verificação de
aprendizagem com a
temática de alto
desempenho em CAD
Correlação de DadosRastreamento do processo e
Entrevistas/Questionário
1 - Questionário de balisamento. Dados de conhecimento
prévio.; 2- Tempo total da tarefa; 3- Tempo de planejamento
(Quanto tempo se passa até o primeiro clique no mouse); 3-
Número de estratégias com expertise utilizada; 4 - Modelos
feitos com correção
Enfatiza a importância do conhecimento estratégico para atingir a expertise em
modelagem 3D. Conclui-se que o ensino de estratégias teve resultado na análise
final em contraposição dos dois grupo: controle e treinamento. Porém ressaltou-
se que pessoas com elevado conhecimento prévio da ferramenta apresentaram
pouca absorção dos novos conhecimentos de estratégia ensinados.
Apresentaram um bloqueio as novas informações.
R.F. Hamade, , H.A.
Artail e Mohamad Y.
Jaber
2011
A study of the impact of the
willingness-to-learn of CAD novice
users on
their competence development
94Estudantes senior de
engenharia mecânicaPRO ENGINEER
Identificar a relação entre
a vontade de aprender
com o desempenho na
tarefa de modelagem 3D
Correlação de Dados Entrevista/Questionário e
Rastreamento do processo
1- pontuação no questionário de motivação; 2- Tempo total
da tarefa; 3 Número total de features (comandos de gerar 3d
sobre desenho. Ex: Extrusão) .
Enfatiza a importância da motivação para o aprendizado rápido visando a
obtenção da expertise em modelagem 3D . Conclui-se que a boa vontade em
aprender antes do treinamento garante uma velocidade inicial no aprendizado
mas não garante a formação de um expert ao final. O desenvolvimento durante
o treinamento é essencial para a expertise
Ke Liu, Xiaobo Peng,
Prentiss McGary,
Bugrahan Yalvac, Elif
Ozturk, Michael
D. Johnson & Lauralee
Valverde
2015
Integration of contextual exercises
in computer- aided-
design education
71
Dividido em dois grupos. Um
grupo controle com 29
estudantes e um grupo
experimento com 27
estudantes
NX CAD Software
Identificar a capacitação
do aluno num Expertise
Adaptativa após um
treinamento específico
com exercício contextuais
Correlação de Dados Rastreamento do processo e
Entrevistas/Questionário
1- Pontuação numa pré e pós entrevista do teste realizado ; 2 -
Tempo total fazendo o modelo; tempo de tentativa e erro; 3 -
Tempo de pensamento (cursor parado); 4- tempo de busca
(cursor em movimento sem comandos) ; 5 -Tempo de
regeneração do modelo
Enfatiza a importância de se alcançar a Expertise Adaptativa que entre outras
características esta a transferência de conhecimento de um software CAD para
outro. Mostra que a partir de um conjunto de exercícios contextualizados o aluno
alcança a Expertise Adaptativa
Ramsey F. Hamade 2012
Learning curves for CAD
competence building of novice
trainees
44
Todos engenheiros
mecânicos seniors
participantes como trainee
de um treinamento em CAD -
(Software-PROEngineer)
PRO ENGINEER
Verificação da curva de
aprendizagem
aprendizagem com a
temática de alto
desempenho em CAD
Correlação de Dados Rastreamento do processo
1- Tempo total da tarefa 2- Número de features (comandos
de gerar 3d sobre desenho. Ex: Extrusão)
Enfatiza a diferença entre Conhecimento Declarativo e Procedimental. Não
considera conhecimento estratégico. O foco da pesquisa é determinar a curva de
aprendizado de CAD. A curva é analisada sobre o tempo total e número de
comandos utilizados.Como conclusão é proposto uma curva de aprendizado que
busca separar conhecimento procedimental de conhecimento declarativo. Nessa
divisão é observado que o conhecimento declarativo é o principal componente
na curva de aprendizado. O conhecimento procedimental faz diferença no inicio
do treinamento aonde o uso de menos comandos impacta no tempo entre os
participantes.
Rafael Zanelato Ledo 2016
MODELO DE IDENTIFICAÇÃO DO
CONHECIMENTO PROCEDIMENTAL
DE ALTO DESEMPENHO PARA
ATIVIDADE DE MODELAGEM
DIGITAL 3D
82
82 alunos de graduação -
Arquitetura e Urbanismo -
em diversos estágios
(novatos, intermediários e
experts)
Trimble SKETCHUP
Identificar e classificar os
procedimentos e
estratégias de alto
desempenho na tarefa de
modelagem 3D
Análise descritiva e
Correlação de Dados
Rastreamento do processo e
Entrevistas/Questionário
1- Tempo Total da Atividade; 2 -Tempo produtivo da
atividade; 3 Tempo de Pausa; 4- Número de Comandos
Dados; 5- Variedade de Comandos Dados; 6- Quantificação de
todos os tipos de comandos usados; 7 - Ordenamento da
sequência de modelagem
Enfatiza a necessidade de se identificar e classificar as melhores práticas de
modelagem digital 3D. Conclui-se que o que mais prejudica o desempenho na
modelagem é erros severos de procedimento.Também com efeito prejucial a
produtividade na tarefa, demonstra que erros na estratégia derrubam o
desempenho. Porém erros estratégicos impactam menos que erros
procedimentais. Conclui também que o tempo de Pausa e a velocidade de
execução de comandos são fundamentais para a composição do tempo total da
tarefa. O desempenho de excelência identificado pela pesquisa envolve nenhum
erro de procedimento , a escolha da melhor estratégia de modelagem,
velocidade de execução de comandos e velocidade na tomada de decisão. Por
fim, a tese propõe um modelo de classificação para criação de um sistema de
diagnóstico de desempenho para atividade de modelagem 3D.
GRUPO 01 - IDENTIFICAÇÃO DOS COMPONENTES DA EXPERTISE NA MODELAGEM 3D
GRUPO 02 - IDENTIFICAÇÃO DOS COMPONENTES DA EXPERTISE NA MODELAGEM 3D COM VIÉS DE ENSINO E APRENDIZAGEM
APÊNDICE B – Quadro comparativo de pesquisas em CAD Expertise 135
137
APÊNDICE C – Questionário de balizamento aplicado aos
participantes do teste de modelagem
QUESTIONÁRIO PESQUISA DE TESE DE DOUTORADO –
MODELAGEM DIGITAL 3D
PROF. RAFAEL ZANELATO LEDO
NOME:________________________________________________________
1- IDADE:___
2- SEXO: ( ) MASC. ( ) FEM.
3- ANOS DE CURSO DE ARQUITETURA E URBANISMO:______
4- ANOS DE USO DE ALGUM TIPO DE SOFTWARE DE
MODELAGEM 3D:______
5- ANOS DE USO DO SOFTWARE SKETCHUP: _____
6 -QUANTIDADE DE MODELOS 3D PRODUZIDOS NO SKETCHUP
ATÉ HOJE (APROXIMADO)
( ) 0 a 10 ( ) 10 a 20 ( ) 20 a 30 ( ) 30 a 40 ( ) + de 40
7 – COMO VOCÊ AVALIA SEU CONHECIMENTO EM SKETHUP?
( ) INICIANTE ( ) AMADOR ( ) INTERMEDIÁRIO ( ) AVANÇADO (
) PROFISSIONAL
8 – QUANTIFIQUE O SEU INTERESSE E MOTIVAÇÃO EM
TRABALHAR COM FERRAMENTAS COMPUTACIONAIS DE
MODELAGEM 3D PARA ARQUITETURA?
( ) MUITO POUCO ( ) POUCO ( ) INTERMEDIÁRIO ( ) ALTO ( )
MUITO ALTO
9 – COMO VOCÊ AVALIA O NIVEL DE SEU CANSAÇO MENTAL
PARA A TAREFA DE MODELAGEM 3D HOJE? PRIMEIRO DIA
( ) MUITO POUCO ( ) POUCO ( ) INTERMEDIÁRIO ( ) ALTO ( )
MUITO ALTO
10 – COMO VOCÊ AVALIA O NIVEL DE SEU CANSAÇO MENTAL
PARA A TAREFA DE MODELAGEM 3D HOJE? SEGUNDO DIA
( ) MUITO POUCO ( ) POUCO ( ) INTERMEDIÁRIO ( ) ALTO ( )
MUITO ALTO
APÊNDICE D – Tabela completa com dados de balizamento dos participantes do Teste de Modelagem.
CÓDIGO Idade SexoAnos Curso
de ARQ
Anos de uso
de algum
software 3D
Anos de uso
do software
Sketchup
Qtde de
modelos 3D
produzidos
Como vc avalia
seu conhecimento
em SKP
Qual o seu
interesse trabalhar
com ferramenta
computacional de
modelagem 3D
Como vc avalia seu cansaço
mental DIA 1
Como vc avalia seu
cansaço mental DIA
2
E01 20 F 2,5 0,5 0,5 OP2 AMADOR ALTO ALTO MUITO POUCO
E02 28 F 2,5 0,5 0,5 OP1 INICIANTE INTERMEDIÁRIO INTERMEDIÁRIO -----------
E03 22 F 2 0,5 0,5 OP3 INTERMEDIÁRIO MUITO ALTO POUCO INTERMEDIÁRIO
E04 20 F 2 0,5 0,5 OP1 INICIANTE ALTO POUCO POUCO
E05 20 F 2,5 1 1 OP3 INTERMEDIÁRIO ALTO INTERMEDIÁRIO MUITO ALTO
E06 22 F 2 4 4 OP4 INTERMEDIÁRIO ALTO INTERMEDIÁRIO POUCO
E07 21 F 2 0,5 0,5 OP1 INICIANTE POUCO INTERMEDIÁRIO INTERMEDIÁRIO
E08 20 F 2 1 1 OP3 INTERMEDIÁRIO MUITO ALTO INTERMEDIÁRIO INTERMEDIÁRIO
E09 20 F 2,5 0,5 0,5 OP3 AMADOR ALTO POUCO POUCO
E10 20 F 2,5 0,5 0,5 OP2 INTERMEDIÁRIO MUITO ALTO INTERMEDIÁRIO MUITO ALTO
E11 19 F 2 0,5 0,5 OP1 AMADOR ALTO INTERMEDIÁRIO INTERMEDIÁRIO
E12 21 F 2 4 4 OP5 INTERMEDIÁRIO INTERMEDIÁRIO POUCO POUCO
E13 20 F 2 0,5 0,5 OP2 INICIANTE MUITO ALTO POUCO INTERMEDIÁRIO
E14 21 F 2 0,5 0,5 OP2 INTERMEDIÁRIO ALTO INTERMEDIÁRIO INTERMEDIÁRIO
E15 19 F 2 0,5 0,5 OP2 INTERMEDIÁRIO ALTO POUCO INTERMEDIÁRIO
E16 36 F 2 0,5 0,5 OP1 INICIANTE ALTO ALTO INTERMEDIÁRIO
E17 35 M 3 0,5 0,5 OP2 INICIANTE POUCO INTERMEDIÁRIO POUCO
E18 20 F 2 0,5 0,5 OP3 AMADOR MUITO ALTO INTERMEDIÁRIO INTERMEDIÁRIO
E19 22 M 2 1 0,5 OP1 AMADOR ALTO INTERMEDIÁRIO INTERMEDIÁRIO
E20 20 M 2 0,5 0,5 OP1 INTERMEDIÁRIO MUITO ALTO ALTO ALTO
E21 19 F 2 0,5 0,5 OP1 INICIANTE ALTO POUCO INTERMEDIÁRIO
E22 36 F 2,5 0,5 0,5 OP1 INICIANTE ALTO INTERMEDIÁRIO INTERMEDIÁRIO
E23 19 F 2,5 0,5 0,5 OP3 AMADOR ALTO POUCO MUITO ALTO
E24 22 F 3 2 1,5 OP3 INTERMEDIÁRIO ALTO INTERMEDIÁRIO INTERMEDIÁRIO
E25 20 M 2,5 0,5 0,5 OP2 INTERMEDIÁRIO ALTO POUCO POUCO
E26 20 M 2 1 0,5 OP2 INTERMEDIÁRIO MUITO ALTO POUCO INTERMEDIÁRIO
E27 21 F 2 0,5 0,5 OP2 AMADOR ALTO POUCO INTERMEDIÁRIO
E28 20 F 2,5 0,5 0,5 OP1 INICIANTE ALTO INTERMEDIÁRIO INTERMEDIÁRIO
E29 21 F 2,5 2 2 OP4 INTERMEDIÁRIO MUITO ALTO MUITO ALTO INTERMEDIÁRIO
E30 20 F 2 2 2 OP4 INTERMEDIÁRIO ALTO INTERMEDIÁRIO INTERMEDIÁRIO
E31 20 M 2,5 0,5 0,5 OP2 AMADOR MUITO ALTO MUITO POUCO POUCO
E32 21 M 2,5 1 1 OP3 INTERMEDIÁRIO MUITO ALTO INTERMEDIÁRIO POUCO
E33 22 F 2,5 0,5 0,5 OP1 INICIANTE INTERMEDIÁRIO ALTO INTERMEDIÁRIO
E34 20 M 2 1 1 OP1 INTERMEDIÁRIO ALTO POUCO INTERMEDIÁRIO
E35 21 F 2,5 0,5 0,5 OP2 AMADOR ALTO INTERMEDIÁRIO ALTO
E36 49 F 3 1 1 OP3 AMADOR INTERMEDIÁRIO ALTO POUCO
E37 22 M 4 3 3 OP1 INTERMEDIÁRIO ALTO INTERMEDIÁRIO -----------
E38 20 M 2,5 5 3 OP4 AVANÇADO MUITO ALTO POUCO INTERMEDIÁRIO
E39 22 M 3,5 1 0,5 OP1 AMADOR ALTO POUCO POUCO
E40 23 F 2 0,5 0,5 OP4 INTERMEDIÁRIO ALTO INTERMEDIÁRIO INTERMEDIÁRIO
E41 19 F 2 1 1 OP2 INTERMEDIÁRIO MUITO ALTO INTERMEDIÁRIO POUCO
E42 23 F 4 3 3 OP1 AVANÇADO ALTO INTERMEDIÁRIO POUCO
E43 20 M 2 0,5 0,5 OP3 INTERMEDIÁRIO MUITO ALTO ALTO INTERMEDIÁRIO
E44 21 F 3 0,5 0,5 OP1 INICIANTE MUITO ALTO INTERMEDIÁRIO POUCO
E45 21 F 2,5 0,5 0,5 OP1 INICIANTE ALTO ALTO ALTO
E46 20 M 2,5 0,5 0,5 OP3 AVANÇADO MUITO ALTO INTERMEDIÁRIO INTERMEDIÁRIO
E47 20 F 2,5 0,5 0,5 OP2 AMADOR ALTO ALTO INTERMEDIÁRIO
E48 29 F 2,5 6 3 OP2 INTERMEDIÁRIO MUITO ALTO POUCO -----------
E49 23 F 3,5 2 2 OP3 INTERMEDIÁRIO ALTO INTERMEDIÁRIO MUITO POUCO
E50 22 F 3 1,5 1,5 OP3 INTERMEDIÁRIO MUITO ALTO INTERMEDIÁRIO -----------
E51 20 F 2,5 1 1 OP5 INTERMEDIÁRIO INTERMEDIÁRIO POUCO -----------
E52 21 F 2,5 1 1 OP1 AVANÇADO ALTO INTERMEDIÁRIO -----------
E53 22 F 3,5 2 2 OP2 INTERMEDIÁRIO MUITO ALTO POUCO MUITO POUCO
E54 20 F 2,5 0,5 0,5 OP1 AMADOR INTERMEDIÁRIO POUCO POUCO
E55 34 F 3,5 1,5 1 OP2 AMADOR INTERMEDIÁRIO ALTO -----------
E56 21 F 2,5 0,5 0,5 OP2 INTERMEDIÁRIO ALTO POUCO -----------
E57 21 F 3,5 1,5 1,5 OP1 AMADOR MUITO ALTO INTERMEDIÁRIO INTERMEDIÁRIO
E58 20 F 3 1 1 OP1 INTERMEDIÁRIO INTERMEDIÁRIO POUCO -----------
E59 22 M 2,5 0,5 0,5 OP2 INTERMEDIÁRIO INTERMEDIÁRIO POUCO -----------
E60 20 M 2 1 1 OP2 INTERMEDIÁRIO MUITO ALTO ALTO -----------
E61 21 F 2,5 0,5 0,5 OP2 INTERMEDIÁRIO ALTO INTERMEDIÁRIO INTERMEDIÁRIO
E62 20 F 3 0,5 0,5 OP1 AMADOR POUCO INTERMEDIÁRIO -----------
E63 22 F 4 2 2 OP2 AVANÇADO MUITO ALTO POUCO POUCO
E64 24 M 4 2 2 OP1 INICIANTE ALTO POUCO MUITO POUCO
E65 23 M 2,5 5 5 OP3 INTERMEDIÁRIO ALTO POUCO POUCO
E66 21 F 3 1,5 1,5 OP1 INTERMEDIÁRIO ALTO INTERMEDIÁRIO -----------
E67 23 F 2,5 2 2 OP2 INTERMEDIÁRIO ALTO INTERMEDIÁRIO -----------
E68 28 F 2,5 1 1 OP2 AMADOR ALTO INTERMEDIÁRIO MUITO POUCO
E69 25 F 3 1,5 1,5 OP2 AMADOR ALTO INTERMEDIÁRIO -----------
E70 21 F 3 2 2 OP2 INTERMEDIÁRIO MUITO ALTO ALTO -----------
E71 21 M 3 1,5 1 OP3 AMADOR MUITO ALTO ALTO POUCO
E72 24 F 5 2 2 OP2 AMADOR ALTO POUCO INTERMEDIÁRIO
E73 21 M 4 4 4 OP3 INTERMEDIÁRIO MUITO ALTO INTERMEDIÁRIO -----------
E74 20 M 2,5 1 1 OP3 INTERMEDIÁRIO ALTO POUCO -----------
E75 20 F 2,5 0,5 0,5 OP2 INTERMEDIÁRIO ALTO POUCO POUCO
E76 20 F 3,5 2 2 OP1 AMADOR MUITO ALTO INTERMEDIÁRIO INTERMEDIÁRIO
E77 22 M 4,5 2 2 OP2 INTERMEDIÁRIO ALTO POUCO POUCO
E78 24 M 4 7 3 OP2 AMADOR MUITO ALTO ALTO ALTO
E79 24 M 5 4 4 OP5 AVANÇADO ALTO INTERMEDIÁRIO -----------
E80 24 M 3,5 1 1 OP4 INTERMEDIÁRIO MUITO ALTO POUCO MUITO POUCO
E81 21 M 3,5 6 6 OP5 AVANÇADO ALTO MUITO POUCO ALTO
E82 22 M 5 9 9 OP5 PROFISSIONAL MUITO ALTO MUITO POUCO POUCO
139
APÊNDICE E – Planilha Geral com todos os dados mensurados do teste de modelagem
COD
A.
ICONES ERRO
cod NCD NS/C TO FDe TT - Min TT -Seg TPA TPRO TI TO NCD VCD NS/C AI NR NS/R Linha F Linha FFIG r FFIGc PP Cópia A Cópia B Cópia F Mover A Mover F Mover B Apagar C Inter F Apagar A Apagar F Apagar LG Apagar B InvF ORfa RX ApM Tr O TrM Cota Linha M Faz G/C Dez G/C FDe
E1 E C 5 - 08:48 528 83 445 22 15,7% 85 14 5,2353 1 60 7,42 8 24 1 1 6 3 0 0 4 0 0 0 1 13 4 0 4 2 0 0 0 0 0 0 8 0 0 6 1 5 2 3 4
E1 C B 2 - 07:25 445 66 379 21 14,8% 70 11 5,4143 1 87 4,36 15 31 2 0 0 2 0 1 0 1 0 0 0 7 1 0 0 2 0 0 0 0 0 0 1 0 0 7 4 5 2 1 3
E1 A B 3 + 05:25 325 48 277 9 14,8% 53 7 5,2264 0 11 25,18 20 20 0 0 0 5 0 0 0 0 0 0 0 2 2 0 0 0 0 0 0 0 0 0 1 0 0 3 3 2 1 4 5
E1 21:38 1298
E2 17:39 1059
E2 14:16 856
E2
E2
E3 A B 3 + 04:00 240 26 214 0 10,8% 46 12 4,6522 1 29 7,38 3 8 1 1 8 0 0 0 2 0 0 0 1 10 0 0 4 2 0 0 0 0 0 0 4 0 0 2 1 5 4 2 3
E3 B D 2 + 09:18 558 88 470 9 15,8% 63 11 7,4603 0 69 6,81 1 17 3 0 5 0 0 0 7 0 0 0 0 5 0 0 5 1 0 0 0 0 6 0 10 0 0 3 5 3 1 2 4
E3 A F 2 - 09:54 594 76 518 65 12,8% 55 9 9,4182 4 34 15,24 2 14 1 0 6 0 0 0 10 0 0 0 0 3 0 0 0 0 0 0 0 0 1 0 9 0 0 9 3 2 4 5 1
E3 23:12 1392
E4 16:11 971
E4 B F 3 + 12:02 722 142 580 32 19,7% 63 8 9,2063 32 67 8,66 11 24 0 0 3 0 0 0 0 0 0 0 0 14 2 0 0 0 0 1 0 0 0 0 7 0 0 1 5 2 4 3 1
E4 C D 5 + 12:21 741 223 518 15 30,1% 74 9 7 27 41 12,63 10 21 0 0 4 0 0 0 0 0 0 0 0 19 9 0 0 0 0 1 0 0 2 0 5 0 0 3 3 4 2 1 5
E4
E5 F C 3 - 09:58 598 70 528 14 11,7% 95 9 5,5579 1 63 8,38 14 38 0 1 7 0 0 0 0 0 3 0 0 21 1 0 0 0 0 0 0 0 0 0 3 0 0 7 1 3 2 4 5
E5 D B 1 - 09:55 595 63 532 0 10,6% 91 8 5,8462 2 56 9,50 14 31 0 0 2 0 0 0 0 0 0 0 0 20 2 0 0 0 3 0 0 0 0 0 12 0 0 7 4 5 3 1 2
E5 09:36 576
E5
E6 D D 6 + 08:30 510 97 413 9 19,0% 73 7 5,6575 0 58 7,12 12 21 0 1 11 0 0 0 0 0 0 0 0 24 0 0 0 0 0 0 0 0 0 0 2 0 0 2 1 5 2 3 4
E6 G B 1 + 12:50 770 57 713 5 7,4% 125 9 5,704 5 137 5,20 22 33 0 0 4 2 0 0 1 0 0 0 0 45 3 0 0 0 0 0 0 0 0 0 11 0 0 4 2 4 5 1 3
E6 A B 3 + + 05:29 329 56 273 5 17,0% 45 4 6,0667 1 15 18,20 18 22 0 0 0 0 0 0 0 0 0 0 0 3 0 0 0 0 0 0 0 0 0 0 2 0 0 0 3 2 1 5 4
E6 26:49 1609
E7 L A 5 - - 11:55 715 121 594 7 16,9% 150 10 3,96 32 79 7,52 27 46 0 1 2 0 0 0 0 0 0 0 0 44 7 0 1 2 0 0 0 0 0 0 4 0 0 16 1 2 3 4 5
E7 E C 2 - 12:31 751 111 640 1 14,8% 97 7 6,5979 30 46 13,91 22 41 0 0 0 2 0 0 0 0 0 0 0 21 3 0 0 0 0 0 0 0 0 0 2 0 0 6 5 4 1 3 2
E7 F A 2 + 10:14 614 80 534 4 13,0% 107 9 4,9907 22 18 29,67 13 34 0 0 4 0 0 0 0 0 0 0 0 31 12 0 0 2 0 0 0 0 1 0 7 0 0 3 1 2 3 4 5
E7 34:40 2080
E8 K B 1 - - 11:20 680 37 643 0 5,4% 139 10 4,6259 0 100 6,43 10 39 0 1 14 0 0 0 2 0 0 0 0 21 7 0 1 0 0 0 0 0 0 0 5 0 0 39 1 4 5 3 2
E8 21:00 1260
E8 C A 3 - 06:53 413 59 354 0 14,3% 74 8 4,7838 4 17 20,82 21 30 0 0 0 0 0 0 0 0 0 0 0 6 1 0 0 0 0 1 0 0 0 2 5 0 0 8 3 2 1 4 5
E8
E9 A C 2 + + 04:26 266 22 244 0 8,3% 46 11 5,3043 0 24 10,17 2 14 1 1 7 0 0 0 0 0 0 0 1 8 2 0 2 2 0 0 0 0 0 0 6 0 0 0 4 2 3 1 5
E9 A C 5 + 06:50 410 128 282 4 31,2% 46 8 6,1304 2 41 6,88 6 14 1 0 4 0 0 0 0 0 0 0 0 8 0 0 3 0 0 0 0 0 0 0 8 0 0 2 3 1 5 2 4
E9 E C 5 + 14:25 865 235 630 27 27,2% 101 8 6,2376 2 40 15,75 14 38 0 0 7 0 0 0 0 0 0 0 0 17 6 0 3 0 0 0 0 0 0 0 14 0 0 2 5 1 3 2 4
E9 25:41 1541
E10 F A 6 - - 06:27 387 71 316 8 18,3% 89 8 3,5506 1 29 10,90 6 27 0 1 14 0 0 0 0 0 0 0 0 23 1 0 0 0 0 0 0 0 0 0 4 0 0 13 1 5 4 2 3
E10 F A 1 - - 07:41 461 49 412 1 10,6% 106 8 3,8868 6 32 12,88 11 41 0 0 6 0 0 0 0 0 0 0 1 24 1 0 0 0 0 0 0 0 0 0 7 0 0 15 4 5 1 3 2
E10 08:02 482
E10
E11 I C 7 - - 13:00 780 169 611 20 21,7% 117 10 5,2222 51 71 8,61 9 27 0 1 9 0 0 0 2 0 0 0 0 28 1 0 2 0 0 0 0 0 0 0 6 0 0 32 1 5 2 4 3
E11 22:50 1370
E11 14:20 860
E11
E12 D C 5 - 07:10 430 68 362 4 15,8% 72 10 5,0278 18 37 9,78 4 22 0 1 11 0 0 0 0 0 0 0 1 24 0 0 1 0 0 0 0 0 1 0 1 0 0 6 1 4 2 3 5
E12 B C 3 + 07:57 477 90 387 0 18,9% 58 9 6,6724 14 34 11,38 17 28 1 0 0 0 0 0 0 0 0 0 1 4 1 2 0 0 0 0 0 2 0 0 0 0 0 2 3 5 1 2 4
E12 G B 2 - 12:15 735 71 664 12 9,7% 117 9 5,6752 5 46 14,43 32 65 0 0 0 0 0 0 0 0 0 0 0 1 0 1 2 0 0 0 0 1 4 0 5 0 0 6 3 2 4 5 1
E12 27:22 1642
E13 19:48 1188
E13 13:57 837
E13 20:00 1200
E13
E14 F C 5 - - 09:06 546 88 458 0 16,1% 90 11 5,0889 6 104 4,40 0 17 2 1 14 0 0 0 0 0 0 0 2 20 1 0 6 0 0 0 0 0 3 0 7 0 0 17 1 4 5 2 3
E14 09:40 580
E14 08:25 505
E14
E15 B C 2 + 04:58 298 20 278 0 6,7% 53 12 5,2453 11 50 5,56 1 14 1 1 9 0 0 0 0 0 0 0 0 14 2 0 1 3 0 1 0 0 0 0 5 0 0 2 1 5 2 3 4
E15 A D 4 + 07:59 479 125 354 20 26,1% 51 11 6,9412 19 48 7,38 5 10 2 0 6 0 0 0 1 0 0 0 1 14 1 0 0 0 0 0 0 0 1 0 7 0 0 3 5 1 3 2 4
E15 09:27 567
E15
E16 D H 3 - 12:10 730 74 656 8 10,1% 70 10 9,3714 56 39 16,82 4 19 0 2 7 0 0 0 2 0 0 0 2 18 0 0 0 0 0 1 0 0 0 0 6 0 0 9 1 5 2 3 4
E16 19:43 1183
E16 K C 2 - - 18:51 1131 138 993 4 12,2% 160 9 6,2063 77 32 31,03 19 56 0 0 2 0 0 0 0 0 0 0 1 56 0 0 1 0 0 0 0 0 2 0 9 0 0 14 1 3 2 4 5
E16 50:44 3044
E17 B D 2 + 06:15 375 25 350 0 6,7% 57 10 6,1404 5 45 7,78 9 22 0 1 4 0 0 0 1 0 0 0 1 9 0 0 0 0 0 0 0 1 0 0 4 0 0 5 1 5 2 3 4
E17 B B 2 + 06:20 380 59 321 8 15,5% 58 9 5,5345 1 42 7,64 8 23 0 0 4 0 0 0 0 0 0 0 0 10 1 0 2 0 3 0 0 0 0 0 5 0 0 2 5 2 1 3 4
E17 C D 3 + + 10:50 650 96 554 10 14,8% 74 7 7,4865 2 40 13,85 7 34 0 0 5 0 0 0 2 0 0 0 0 20 0 0 0 1 0 0 0 0 0 0 5 0 0 0 3 2 1 5 4
E17 23:25 1405
E18 C D 4 + 07:15 435 59 376 0 13,6% 67 8 5,6119 18 47 8,00 5 25 0 1 9 0 0 0 0 0 0 0 0 19 2 0 0 0 0 0 0 0 0 0 3 0 0 3 2 3 4 1 5
E18 E B 3 - - 10:41 641 114 527 16 17,8% 101 8 5,2178 14 155 3,40 13 35 0 0 2 0 0 0 0 0 0 0 0 26 1 0 4 0 0 0 0 0 0 0 5 0 0 15 4 2 5 1 3
E18 B B + 08:08 488 118 370 0 24,2% 64 8 5,7813 15 36 10,28 12 19 0 0 5 0 0 0 0 0 0 0 0 16 2 0 2 0 0 0 0 0 0 0 5 0 0 3 3 2 1 5 4
E18 26:04 1564
E19 A E 6 + + 05:25 325 66 259 0 20,3% 39 11 6,641 1 25 10,36 2 6 5 1 8 0 0 0 0 0 0 0 1 10 1 0 1 3 0 0 0 0 1 0 0 0 0 0 1 5 2 3 4
E19 A C 3 + 06:31 391 82 309 33 21,0% 48 9 6,4375 4 45 6,87 4 14 6 0 4 0 0 0 0 0 0 0 0 9 1 0 4 0 0 0 0 0 5 0 0 0 0 1 2 5 4 1 3
E19 A C 5 + 07:11 431 104 327 37 24,1% 52 10 6,2885 4 16 20,44 8 9 7 0 8 0 0 0 0 0 0 0 0 6 1 0 0 4 0 0 0 0 2 0 2 0 0 5 2 3 1 4 5
E19 19:07 1147
E20 B B 1 + 04:24 264 14 250 0 5,3% 53 11 4,717 20 29 8,62 6 17 0 1 7 0 0 0 0 0 0 0 0 9 3 0 3 0 0 1 0 0 1 0 4 0 0 1 5 1 4 2 3
E20 21:40 1300
E20 B B 4 + 07:54 474 89 385 6 18,8% 63 7 6,1111 4 16 24,06 20 28 0 0 0 0 0 0 0 0 0 0 0 3 0 0 0 0 0 0 0 2 0 4 3 0 0 3 2 3 4 1 5
E20
E21 D E 4 + 09:08 548 82 466 12 15,0% 71 8 6,5634 30 33 14,12 10 25 0 1 4 0 0 0 0 0 0 0 0 22 0 0 0 0 0 1 0 0 0 0 8 0 0 1 1 5 4 2 3
E21 B B 5 + 08:20 500 140 360 14 28,0% 62 7 5,8065 28 25 14,40 11 27 0 0 3 0 0 0 0 0 0 0 0 13 1 0 0 0 0 0 0 0 0 0 6 0 0 1 3 5 2 1 4
E21 08:53 533
E21 26:21 1581
E22 D G 4 - 11:51 711 99 612 8 13,9% 73 8 8,3836 29 34 18,00 8 22 0 2 10 0 0 0 0 0 0 0 0 22 0 0 0 0 0 1 0 0 0 0 3 0 0 6 1 5 4 2 3
E22 L C 3 - - 23:30 1410 250 1160 23 17,7% 180 7 6,4444 86 157 7,39 27 52 0 0 8 0 0 0 0 0 0 0 0 50 0 0 3 0 0 0 0 0 0 0 8 0 0 32 5 3 2 1 4
E22 15:00 900
E22
E23 D D 1 - 07:57 477 27 450 0 5,7% 72 12 6,25 3 82 5,49 3 23 0 1 7 0 0 0 3 0 0 0 0 17 1 2 0 0 0 1 0 2 0 0 3 0 0 10 1 5 4 2 3
E23 H A 5 - - 14:41 881 250 631 21 28,4% 137 10 4,6058 4 148 4,26 14 32 0 0 7 0 0 0 1 0 0 0 0 25 3 0 1 0 0 0 0 0 1 0 10 0 0 43 5 2 1 3 4
E23 H B 3 - 13:19 799 113 686 30 14,1% 131 10 5,2366 9 86 7,98 26 48 0 0 6 0 0 0 0 0 0 0 0 17 1 0 4 6 0 6 0 0 0 0 7 0 0 10 4 1 3 2 5
E23 35:57 2157
E24 13:40 820
E24 16:58 1018
E24 G B 1 - 11:58 718 55 663 22 7,7% 116 7 5,7155 23 62 10,69 27 45 0 0 1 0 0 0 0 0 0 0 0 24 5 0 0 0 0 0 0 0 0 0 6 0 0 8 3 2 1 5 4
E24
E25 B B 3 + 04:28 268 31 237 2 11,6% 55 10 4,3091 1 16 14,81 4 13 0 1 8 0 0 0 0 0 0 0 1 17 4 0 0 1 0 0 0 0 0 0 5 0 0 1 1 5 4 2 3
E25 E B 2 - - 09:41 581 75 506 6 12,9% 100 6 5,06 5 57 8,88 19 52 0 0 0 0 0 0 0 0 0 0 0 13 1 0 2 0 0 0 0 0 0 0 0 0 0 13 4 5 2 1 3
E25 B A 1 + 04:52 292 18 274 3 6,2% 63 8 4,3492 2 19 14,42 14 16 0 0 6 0 0 0 0 0 0 0 0 12 3 0 0 0 0 1 0 0 0 0 10 0 0 1 3 2 4 5 1
E25 19:01 1141
E26 B D 7 + 06:18 378 89 289 15 23,5% 49 13 5,898 23 16 18,06 3 16 0 1 8 0 0 1 0 0 1 0 1 10 1 0 2 1 0 0 0 0 0 0 3 0 0 1 1 5 2 3 4
E26 B A 6 + 07:04 424 145 279 40 34,2% 63 9 4,4286 19 26 10,73 8 22 0 0 2 0 0 0 0 0 0 0 0 9 8 0 1 0 2 0 0 0 0 0 6 0 0 5 5 4 2 3 1
E26 C B 5 + 08:15 495 136 359 85 27,5% 70 13 5,1286 11 22 16,32 11 23 1 0 1 0 0 0 1 0 0 0 1 11 5 0 1 1 5 0 0 0 0 0 7 0 0 2 5 4 3 1 2
E26 21:37 1297
E27 16:36 996
E27 15:40 940
E27 09:00 540
E27
E28 12:38 758
E28 12:51 771
E28 08:30 510
E28
E29 10:12 612
E29 17:33 1053
E29 10:24 624
E29
E30 I C 1 - - 10:40 640 25 615 0 3,9% 126 11 4,881 0 68 9,04 4 32 2 1 8 0 0 0 5 0 0 0 2 23 0 0 1 0 0 0 0 0 0 0 7 0 0 41 5 1 2 3 4
E30 21:32 1292
E30 09:20 560
E30
E31 C B 4 + 04:57 297 40 257 0 13,5% 61 9 4,21 11 25 10,28 9 22 0 1 3 1 0 0 0 0 0 0 0 14 4 0 0 0 0 0 0 0 0 0 3 0 0 4 2 4 3 1 5
E31 L B 2 - - 17:46 1066 150 916 0 14,1% 178 10 5,15 13 200 4,58 26 42 0 0 3 12 0 0 0 0 1 0 1 52 8 0 0 0 0 0 0 0 0 0 6 0 0 27 4 3 2 5 1
E31 C A 2 + 06:23 383 51 332 8 13,3% 70 9 4,74 1 10 33,20 15 25 0 0 5 0 0 0 0 0 0 0 0 7 4 0 1 0 0 2 0 0 0 0 6 0 0 5 3 2 4 5 1
E31 29:06 1746
E32 F C 5 - 09:10 550 90 460 22 16,4% 89 11 5,17 8 48 9,58 11 28 2 1 11 0 0 0 0 0 0 0 0 21 3 0 0 1 0 1 0 0 0 0 5 0 0 6 2 4 3 1 5
E32 C B 2 + 07:59 479 56 423 6 11,7% 74 8 5,72 5 71 5,96 11 31 0 0 3 0 0 0 0 0 0 0 0 15 5 0 1 0 0 0 0 0 0 0 6 0 0 2 4 2 1 3 5
E32 C B 4 + 08:33 513 118 395 0 23,0% 70 9 5,64 5 46 8,59 15 25 0 0 5 0 0 0 0 0 0 0 0 7 4 0 1 0 0 2 0 0 0 0 6 0 0 5 3 2 4 5 1
E32 25:42 1542
E33 15:27 927
E33 21:30 1290
E33 20:47 1247
E33
E34 B C 3 + 05:02 302 31 271 7 10,3% 56 9 4,84 17 30 9,03 6 24 0 1 6 0 0 0 1 0 0 0 0 12 2 0 0 0 0 0 0 0 0 0 3 0 0 1 1 2 3 4 5
E34 G A 3 + 11:00 660 114 546 0 17,3% 118 9 4,63 29 62 8,81 14 37 0 0 5 0 0 0 0 0 0 0 1 47 1 0 1 0 0 0 0 0 0 0 7 0 0 5 5 4 2 1 3
E34 A B 1 + + 05:09 309 23 286 21 7,4% 50 6 5,72 12 13 22,00 4 21 0 0 5 0 0 0 0 0 0 0 0 9 0 0 3 0 0 0 0 0 0 0 8 0 0 0 3 2 1 4 5
E34 21:11 1271
E35 18:54 1134
E35 21:56 1316
E35 17:18 1038
E35
E36 D H 7 - 15:10 910 203 707 18 22,3% 77 13 9,18 36 83 8,52 9 27 0 1 9 0 0 0 1 0 0 0 1 8 3 0 2 0 2 0 0 0 5 0 1 0 0 8 1 5 2 4 3
E36 B E 7 + 16:00 960 403 557 33 42,0% 66 8 8,44 27 60 9,28 9 19 0 0 6 0 0 0 0 0 0 0 0 11 6 2 0 0 0 0 0 0 10 0 0 0 0 3 5 4 2 1 3
E36 A F 4 + 10:41 641 133 508 43 20,7% 55 9 9,24 25 24 21,17 10 19 0 0 4 0 0 0 0 0 0 0 0 8 6 1 1 0 0 0 0 0 4 0 0 0 0 2 3 2 4 1 5
E36 41:51 2511
E37 D D 3 + + 08:07 487 51 436 0 10,5% 75 8 5,81 8 63 6,92 20 27 0 1 3 0 0 0 0 0 0 0 1 21 0 0 1 1 0 0 0 0 0 0 0 0 0 0 4 2 3 1 5
E37 A D 1 + + 07:19 439 35 404 4 8,0% 56 6 7,21 19 57 7,09 15 27 0 0 4 0 0 0 0 0 0 0 0 7 0 0 2 0 0 0 0 0 0 0 1 0 0 0 2 5 1 3 4
E37
E37
E38 B D 5 + + 06:06 366 57 309 19 15,6% 54 8 5,72 26 53 5,83 2 16 4 1 6 0 0 0 0 0 0 0 1 20 0 0 0 0 0 0 0 0 0 0 4 0 0 0 4 1 5 2 3
E38 C A 7 - 08:29 509 214 295 26 42,0% 71 8 4,15 33 101 2,92 6 27 2 0 4 0 0 0 0 0 0 0 0 17 0 0 1 0 0 0 0 0 0 0 5 0 0 9 5 3 2 1 4
E38 C B 3 + 07:32 452 63 389 21 13,9% 74 7 5,26 28 79 4,92 14 26 14 0 0 0 0 0 0 0 0 0 0 15 0 0 1 0 0 0 0 0 0 0 2 0 0 2 4 3 2 1 5
E38 22:07 1327
E39 B D 6 + 06:34 394 71 323 0 18,0% 57 9 5,67 3 56 5,77 1 22 0 1 7 0 0 0 1 0 0 0 0 16 3 0 0 0 0 0 0 0 0 0 5 0 0 1 1 5 2 3 4
E39 B C 6 + 10:09 609 214 395 26 35,1% 67 7 5,90 1 75 5,27 9 20 0 0 6 0 0 0 0 0 0 0 0 15 5 0 0 0 0 0 0 0 0 0 8 0 0 4 2 5 4 1 3
E39 E C 2 - 13:00 780 78 702 35 10,0% 98 9 7,16 2 51 13,76 34 13 0 0 4 0 0 0 0 0 0 0 0 25 4 0 1 0 0 1 0 0 0 0 9 0 0 7 3 2 1 4 5
E39 29:43 1783
E40 C E 7 + 08:36 516 117 399 4 22,7% 62 9 6,44 11 28 14,25 3 21 0 1 10 0 0 0 0 0 0 0 0 16 2 0 2 0 0 0 0 0 0 0 5 0 0 2 1 5 3 2 4
E40 A E 4 + 08:32 512 118 394 6 23,0% 50 6 7,88 1 54 7,30 14 30 0 0 0 0 0 0 0 0 0 0 0 3 0 0 1 0 0 0 0 0 0 0 1 0 0 1 5 2 1 3 4
E40 A D 3 + 07:54 474 83 391 7 17,5% 51 9 7,67 7 14 27,93 12 18 0 0 2 0 0 0 2 0 0 0 0 2 2 0 0 0 0 0 0 0 0 4 6 0 0 3 3 2 4 1 5
E40 25:02 1502
E41 C A 1 + 03:40 220 7 213 0 3,2% 63 14 3,38 2 27 7,89 2 14 0 1 7 0 0 0 1 0 0 0 1 14 1 2 5 0 4 0 0 5 0 0 0 1 0 5 1 5 2 4 3
E41 06:07 367
E41 B B 2 + 07:26 446 56 390 14 12,6% 68 13 5,74 2 20 19,50 5 18 1 0 8 0 0 0 2 0 0 0 0 7 2 2 4 0 0 0 0 8 5 1 0 0 0 5 3 2 4 5 1
E41
E42 P B 6 - - 18:00 1080 219 861 45 20,3% 188 11 4,58 5 143 6,02 12 35 0 2 14 0 0 0 5 0 0 2 0 54 0 0 0 0 0 0 0 0 0 8 10 1 0 45 1 4 2 3 5
E42 G C 3 + 16:28 988 171 817 45 17,3% 122 10 6,70 3 22 37,14 9 29 0 0 7 0 0 0 4 0 0 0 0 46 0 4 0 1 0 0 0 0 0 11 6 0 0 5 3 4 5 2 1
E42 20:00 1200
E42
E43 A E 2 + 05:11 311 27 284 0 8,7% 44 9 6,45 3 25 11,36 7 11 1 1 8 0 0 0 0 0 0 0 0 9 0 0 0 0 0 2 0 0 0 0 5 0 0 2 1 5 2 4 3
E43 A B 1 + 04:43 283 27 256 5 9,5% 50 7 5,12 3 22 11,64 14 30 0 0 0 0 0 0 0 0 0 0 0 2 1 0 1 0 0 0 0 0 0 0 1 0 0 1 5 2 1 3 4
E43 A B 2 + 04:58 298 28 270 8 9,4% 50 9 5,40 2 22 12,27 13 15 2 0 8 0 0 0 0 0 0 0 0 1 1 0 1 0 0 0 0 0 0 0 7 0 0 2 3 2 1 4 5
E43 14:52 892
E44 11:40 700
E44 17:50 1070
E44 05:54 354
E44
E45 F E 4 - - 11:49 709 95 614 16 13,4% 89 8 6,90 37 79 7,77 7 26 0 1 7 0 0 0 1 0 0 0 0 34 0 0 0 0 0 0 0 0 0 0 2 0 0 11 1 5 2 4 3
E45 F E 1 - - 17:18 1038 91 947 0 8,8% 111 7 8,53 52 166 5,70 9 36 0 0 8 0 0 0 0 0 0 0 0 31 0 0 0 1 0 0 0 0 0 0 9 0 0 17 5 3 2 1 4
E45 20:20 1220
E45
E46 E C 5 - - 08:13 493 75 418 0 15,2% 79 11 5,29 44 39 10,72 11 21 1 1 6 0 0 0 1 0 0 0 1 20 0 0 0 0 0 1 0 0 0 0 6 0 0 11 1 5 4 2 3
E46 16:08 968
E46 A C 4 + 07:17 437 100 337 0 22,9% 51 7 6,61 6 27 12,48 15 26 0 0 1 0 0 0 0 0 0 0 0 2 0 0 0 0 0 0 0 0 0 1 2 0 0 4 3 2 1 4 5
E46 31:38 1898
E47 F C 4 - 09:40 580 74 506 33 12,8% 92 9 5,50 25 50 10,12 17 30 0 1 3 0 0 0 3 0 0 0 0 23 2 0 0 0 0 0 0 0 0 0 3 0 0 10 1 5 4 2 3
E47 C D 1 + 09:28 568 31 537 11 5,5% 70 6 7,67 12 69 7,78 20 30 0 0 0 0 0 0 0 0 0 0 0 11 2 0 0 0 0 0 0 0 0 0 4 0 0 3 5 4 1 3 2
E47 C A 4 - - 07:13 433 80 353 12 18,5% 77 5 4,58 3 12 29,42 18 39 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 3 0 0 16 3 2 1 4 5
E47 26:21 1581
E48 C E 7 - 09:20 560 119 441 30 21,3% 67 10 6,58 12 38 11,61 3 23 0 1 11 0 0 0 2 0 0 0 0 12 0 0 0 0 0 0 0 0 0 0 6 1 1 7 1 5 3 4 2
E48 D C 3 + 11:40 700 130 570 7 18,6% 90 11 6,33 8 105 5,43 19 30 0 0 2 0 0 0 1 1 0 0 0 24 1 0 1 0 0 0 0 1 0 0 5 0 0 5 5 3 1 2 4
E48
E48
E49 G I 5 + 20:44 1244 213 1031 22 17,1% 102 8 10,11 24 156 6,61 26 42 0 0 5 0 0 0 0 0 0 0 0 16 1 5 0 0 0 0 0 0 3 0 0 0 0 4 1 5 3 4 2
E49 B E 6 + + 11:40 700 230 470 39 32,9% 60 7 7,83 8 30 15,67 17 32 0 0 0 0 0 0 0 0 0 0 0 1 1 0 3 0 0 0 0 3 0 0 3 0 0 0 3 5 1 2 4
E49 C E 9 + 20:00 1200 551 649 40 45,9% 73 7 8,89 7 45 14,42 22 39 0 0 0 0 0 0 0 0 0 0 0 4 0 0 3 0 0 0 0 0 1 0 3 0 0 1 1 3 2 5 4
E49 52:24 3144
E50 R A 8 - - 14:47 887 216 671 8 24,4% 210 12 3,20 6 99 6,78 9 43 0 1 25 0 0 0 0 0 0 0 0 36 5 0 2 4 0 0 0 0 5 2 7 0 0 71 1 5 4 2 3
E50 B C 3 + 08:12 492 100 392 5 20,3% 66 8 5,94 2 65 6,03 5 30 0 0 4 0 0 0 0 0 0 0 0 21 1 0 0 0 1 0 0 0 0 0 3 0 0 1 5 3 2 4 1
E50
E50
E51 E C 7 + + 08:59 539 123 416 7 22,8% 80 8 5,20 0 58 7,17 7 22 1 1 11 0 0 0 0 0 0 0 0 24 3 0 0 0 0 0 0 0 0 0 11 0 0 0 1 5 2 3 4
E51 A E 3 + 07:50 470 84 386 7 17,9% 49 6 7,88 0 34 11,35 13 29 0 0 2 0 0 0 0 0 0 0 0 3 0 0 0 0 0 0 0 0 0 0 1 0 0 1 5 4 2 1 3
E51
E51
E52 07:20 440
E52 09:08 548
E52
E52
E53 F C 7 + 09:18 558 125 433 16 22,4% 89 8 4,87 17 88 4,92 12 34 0 2 7 0 0 0 0 0 0 0 0 29 0 0 1 0 0 0 0 0 0 0 1 0 0 3 1 5 2 3 4
E53 B C 1 + + 07:03 423 39 384 0 9,2% 58 7 6,62 9 92 4,17 15 31 0 0 0 0 0 0 0 0 0 0 0 5 1 0 1 0 2 0 0 0 0 0 3 0 0 0 5 1 2 3 4
E53 C B 3 - 07:14 434 61 373 5 14,1% 70 8 5,33 5 63 5,92 14 25 0 0 2 0 0 0 1 0 0 0 0 19 2 0 0 0 0 0 0 0 0 0 5 0 0 8 1 3 2 4 5
E53 23:35 1415
E54 I D 6 - 15:15 915 174 741 35 19,0% 123 9 6,02 37 101 7,34 20 44 0 1 11 0 0 0 0 0 0 0 0 30 0 0 2 4 0 0 0 0 0 0 1 0 0 10 4 1 5 2 3
E54 C F 2 + 12:04 724 100 624 8 13,8% 70 7 8,91 21 73 8,55 16 29 0 0 1 0 0 0 0 0 0 0 0 16 1 0 0 0 0 0 0 0 0 0 5 0 0 2 5 4 2 3 1
E54 A D 5 + 08:05 485 115 370 24 23,7% 49 9 7,55 37 29 12,76 11 21 0 0 4 0 0 0 1 0 0 0 0 4 1 0 0 0 0 0 0 0 1 0 5 0 0 1 3 2 4 5 1
E54 35:24 2124
E55 K D 3 - - 16:10 970 100 870 20 10,3% 143 13 6,08 60 95 9,16 10 25 5 1 12 0 0 0 0 0 0 0 0 33 8 8 2 6 2 0 0 0 8 0 0 0 0 23 1 5 2 4 3
E55 L C 1 - - 19:33 1173 113 1060 12 9,6% 173 12 6,13 54 85 12,47 7 31 2 0 6 0 0 0 0 0 0 0 1 38 19 12 1 0 1 0 0 0 9 0 0 0 0 46 5 4 3 1 2
E55
E55
E56 G C 4 - - 10:29 629 87 542 10 13,8% 103 9 5,26 34 47 11,53 8 33 0 2 9 0 0 0 0 0 0 0 0 25 2 0 0 3 0 0 0 0 0 0 6 0 0 15 1 5 4 2 3
E56 D C 2 - 09:32 572 67 505 3 11,7% 81 10 6,23 31 65 7,77 10 28 0 0 3 0 0 0 1 0 0 0 1 18 3 0 0 0 6 0 0 0 0 0 4 0 0 7 4 2 1 3 5
E56
E56
E57 J C 4 - - 14:14 854 125 729 12 14,6% 131 14 5,56 65 137 5,32 3 31 0 1 20 0 2 0 0 0 1 0 0 28 0 4 1 0 0 0 0 4 7 0 0 1 1 27 1 5 3 2 4
E57 20:50 1250
E57 07:32 452
E57
E58 16:24 984
E58 H D 3 - - 19:14 1154 213 941 20 18,5% 127 7 7,41 44 130 7,24 12 34 0 0 9 0 0 0 0 0 0 0 0 42 9 0 0 0 0 0 0 0 0 0 4 0 0 17 5 3 1 4 2
E58
E58
E59 C C 12 + 08:39 519 194 325 75 37,4% 61 10 5,33 18 30 10,83 8 21 0 1 7 0 0 0 0 0 1 0 0 16 2 0 0 0 0 1 0 0 0 0 4 0 0 1 1 5 2 3 4
E59 12:00 720
E59
E59
E60 H A 3 + 07:35 455 42 413 7 9,2% 110 9 3,75 3 64 6,45 18 32 0 1 10 2 0 0 0 0 0 0 0 31 7 0 0 0 0 0 0 0 0 0 5 0 0 4 1 5 4 2 3
E60 C B 1 + 07:25 445 45 400 5 10,1% 78 7 5,13 1 86 4,65 22 35 0 0 0 2 0 0 0 0 0 0 0 15 2 0 0 0 0 0 0 0 0 0 1 0 0 1 5 3 4 2 1
E60
E60
E61 C C 7 + 06:29 389 86 303 17 22,1% 59 7 5,14 5 36 8,42 4 23 0 1 7 0 0 0 0 0 0 0 0 19 0 0 0 0 0 0 0 0 0 0 3 0 0 2 1 5 3 2 4
E61 15:48 948
E61 07:30 450
E61
E62 15:50 950
E62 A D 5 + 08:26 506 149 357 3 29,4% 52 6 6,87 4 44 8,11 16 30 0 0 0 0 0 0 0 0 0 0 0 3 1 0 0 0 0 0 0 0 0 0 1 0 0 1 3 1 2 5 4
E62
E62
E63 B G 6 + 09:33 573 119 454 22 20,8% 56 10 8,11 16 52 8,73 4 16 0 1 11 0 0 0 0 0 0 0 1 14 1 0 1 0 0 0 0 0 0 0 5 0 0 2 5 3 2 1 4
E63 E D 2 - 14:43 883 128 755 0 14,5% 103 8 7,33 8 25 30,20 9 39 0 0 7 0 0 0 0 0 0 0 0 30 2 0 1 0 0 0 0 0 0 0 5 0 0 10 5 1 2 3 4
E63 B C 4 - 09:10 550 114 436 0 20,7% 66 7 6,61 32 27 16,15 10 25 0 0 6 0 0 0 0 0 0 0 0 12 1 0 0 0 0 0 0 0 0 0 7 0 0 6 1 3 2 4 5
E63 33:26 2006
E64 H D 10 + 15:47 947 305 642 40 32,2% 111 13 5,78 38 74 8,68 6 25 1 2 10 0 0 0 2 2 1 0 0 43 12 0 1 0 0 0 0 0 0 0 3 0 0 3 1 5 4 3 2
E64 20:30 1230
E64 F D 5 + 17:10 1030 256 774 57 24,9% 107 11 7,23 34 51 15,18 14 28 0 0 2 0 0 0 4 0 0 0 0 17 0 2 0 3 0 0 0 2 20 0 10 0 0 5 1 4 5 3 2
E64
E65 C D 6 + 08:12 492 98 394 7 19,9% 65 11 6,06 0 77 5,12 7 21 0 1 7 0 0 0 0 0 5 0 0 12 0 0 0 2 0 0 0 0 3 0 3 3 0 1 1 5 3 2 4
E65 D C 2 + 10:43 643 75 568 0 11,7% 92 9 6,17 0 141 4,03 28 30 0 0 0 0 0 0 4 0 0 0 0 18 1 0 2 0 0 0 0 0 0 0 5 1 0 1 4 5 2 1 3
E65 A B 6 + + 07:19 439 122 317 31 27,8% 52 9 6,10 0 37 8,57 9 17 0 0 4 0 0 0 1 0 0 0 0 10 2 0 0 0 0 0 0 0 0 0 5 2 2 0 3 2 1 5 4
E65 26:14 1574
E66 F E 8 - 13:24 804 205 599 35 25,5% 89 10 6,73 32 99 6,05 8 24 0 2 14 0 0 0 0 0 1 0 0 25 3 0 0 0 0 0 0 0 1 0 5 0 0 6 1 4 2 3 5
E66 C D 5 + 12:55 775 213 562 90 27,5% 75 7 7,49 4 105 5,35 15 37 0 0 2 0 0 0 0 0 0 0 0 15 2 0 0 0 0 0 0 0 0 0 2 0 0 1 1 5 2 3 4
E66
E66
E67 D C 5 - 07:10 430 76 354 6 17,7% 72 10 4,92 27 26 13,62 4 21 0 1 13 0 0 0 0 0 0 0 0 16 0 1 1 0 0 0 0 1 0 0 7 0 0 7 1 5 2 4 3
E67
E67
E67
E68 D D 13 - - 11:22 682 266 416 26 39,0% 74 14 5,62 7 59 7,05 5 14 1 1 10 0 0 0 0 0 2 0 1 11 7 0 2 3 0 0 0 0 0 3 2 0 0 12 1 5 4 2 3
E68 E D 3 - - 14:26 866 177 689 42 20,4% 95 8 7,25 5 34 20,26 8 30 0 0 4 0 0 0 0 0 0 0 0 24 1 0 0 0 3 0 0 0 0 0 11 0 0 14 5 4 2 1 3
E68 C A 6 - 07:30 450 138 312 30 30,7% 76 7 4,11 0 36 8,67 11 20 0 0 8 0 0 0 0 0 0 0 0 23 1 0 0 0 0 0 0 0 0 0 4 0 0 9 3 2 1 5 4
E68 33:18 1998
E69 26:19 1579
E69 21:23 1283
E69
E69
E70 E C 3 - 08:49 529 57 472 5 10,8% 85 9 5,55 33 84 5,62 7 26 0 2 9 0 0 0 0 1 0 0 0 20 4 0 0 0 0 0 0 0 0 0 7 0 0 9 1 5 4 2 3
E70 16:40 1000
E70
E70
E71 D E 1 - 08:46 526 29 497 4 5,5% 75 9 6,63 33 41 12,12 17 26 0 1 11 0 0 0 0 0 0 0 0 2 1 0 7 0 0 0 0 0 0 0 4 0 0 6 1 4 5 2 3
E71 B F 2 + 10:36 636 72 564 0 11,3% 61 7 9,25 14 74 7,62 20 31 0 0 1 0 0 0 0 0 0 0 0 2 0 0 3 0 0 0 0 0 0 0 2 0 0 2 1 5 3 2 4
E71 A E 1 + + 06:53 413 33 380 0 8,0% 44 5 8,64 2 48 7,92 16 27 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 1 0 0 0 3 2 4 1 5
E71 26:15 1575
E72 B H 11 - 13:30 810 271 539 6 33,5% 58 10 9,29 27 43 12,53 4 14 3 1 8 0 0 0 0 0 0 0 0 13 2 0 0 0 0 0 0 0 3 0 4 0 0 6 1 5 4 2 3
E72 D E 3 - 15:12 912 171 741 15 18,8% 91 8 8,14 34 60 12,35 9 31 1 0 8 0 0 0 0 0 0 0 0 27 2 0 0 0 0 0 0 0 0 0 7 0 0 6 5 2 1 3 4
E72 A C 7 + 08:22 502 177 325 18 35,3% 46 6 7,07 3 16 20,31 15 27 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 1 0 0 1 1 3 2 4 5
E72 37:04 2224
E73 D B 6 + + 06:45 405 85 320 16 21,0% 74 10 4,32 19 38 8,42 13 20 1 1 5 0 0 0 1 0 0 0 0 26 4 0 0 2 0 0 0 0 0 0 1 0 0 0 1 5 4 3 2
E73 A C 5 + + 07:24 444 121 323 10 27,3% 50 7 6,46 21 53 6,09 13 23 5 0 1 0 0 0 0 0 0 0 0 5 0 0 1 0 0 0 0 0 0 0 2 0 0 0 4 5 1 2 3
E73
E73
E74 F C 8 - 10:25 625 153 472 7 24,5% 89 9 5,30 23 69 6,84 15 21 0 1 12 0 0 0 0 0 0 0 0 23 1 0 0 2 0 0 0 0 0 0 6 0 0 8 1 5 4 3 2
E74 C D 3 + + 11:11 671 138 533 0 20,6% 74 7 7,20 35 59 9,03 13 25 0 0 7 0 0 0 0 0 0 0 0 22 2 0 1 0 0 0 0 0 0 0 4 0 0 0 4 5 2 1 3
E74
E74
E75 E B 6 + 07:22 442 82 360 14 18,6% 79 11 4,56 14 37 9,73 3 19 1 1 10 0 0 0 0 0 0 0 1 35 3 0 0 2 0 0 0 0 0 0 2 0 0 2 1 5 2 3 4
E75 28:00 1680
E75 H A 3 + 12:50 770 110 660 0 14,3% 129 7 5,12 25 35 18,86 25 38 0 0 4 0 0 0 0 0 0 0 0 35 8 0 0 0 0 0 0 0 0 0 18 0 0 1 3 2 1 4 5
E75
E76 25:00 1500
E76 H D 1 - - 16:40 1000 95 905 11 9,5% 130 12 6,96 65 176 5,14 5 29 0 0 8 0 0 0 1 5 0 0 0 33 0 2 0 0 1 0 0 2 6 0 1 0 0 37 5 3 1 2 4
E76 17:26 1046
E76
E77 A D 7 + + 06:09 369 78 291 8 21,1% 48 10 6,06 2 29 10,03 2 13 2 1 8 0 0 0 0 0 0 0 0 11 2 0 3 3 0 0 0 0 0 0 3 0 0 0 1 5 2 4 3
E77 C C 2 - 10:21 621 100 521 11 16,1% 80 10 6,51 1 70 7,44 14 25 1 0 2 1 0 0 0 0 0 0 1 22 0 0 3 0 0 0 0 0 0 0 1 0 0 10 5 1 3 2 4
E77 A A 3 + 05:18 318 55 263 20 17,3% 56 8 4,70 0 24 10,96 15 18 0 0 3 0 0 0 0 0 0 0 0 7 0 0 2 0 0 0 0 0 1 0 6 0 0 4 3 2 1 4 5
E77 21:48 1308
E78 C C 6 + 07:19 439 88 351 31 20,0% 67 11 5,24 15 33 10,64 6 20 0 1 7 0 0 0 0 0 0 0 1 21 1 0 3 2 0 0 0 0 0 0 3 0 0 3 1 3 2 4 5
E78 B A 6 + + 07:29 449 158 291 33 35,2% 66 6 4,41 22 21 13,86 5 22 0 0 6 0 0 0 0 0 0 0 0 21 0 0 6 0 0 0 0 0 0 0 6 0 0 0 1 3 5 4 2
E78 06:51 411
E78
E79 B B 6 + 04:51 291 59 232 7 20,3% 56 12 4,14 26 16 14,50 6 3 4 1 8 0 0 0 0 0 0 0 1 12 4 6 1 0 0 0 0 8 0 0 0 0 0 2 1 5 2 4 3
E79 E C 3 + 11:11 671 115 556 6 17,1% 94 12 5,91 57 41 13,56 14 18 5 0 4 0 0 0 0 0 0 0 0 11 1 2 7 8 0 0 0 19 2 0 0 0 0 3 5 1 3 2 4
E79
E79
E80 C D 6 + 07:50 470 93 377 9 19,8% 63 8 5,98 17 35 10,77 8 25 0 1 8 0 0 0 0 0 0 0 0 12 2 0 0 0 0 0 0 0 0 0 6 0 0 1 1 5 2 3 4
E80 A D 2 + + 07:31 451 71 380 0 15,7% 54 6 7,04 18 29 13,10 5 24 0 0 5 0 0 0 0 0 0 0 0 12 0 0 1 0 0 0 0 0 0 0 7 0 0 0 5 2 4 1 3
E80 B B 3 + + 07:27 447 78 369 0 17,4% 61 7 6,05 13 24 15,38 11 22 0 0 3 0 0 0 0 0 0 0 19 1 0 0 0 0 0 0 0 0 0 5 0 0 0 3 2 1 4 5
E80 22:48 1368
E81 G C 3 + 09:25 565 51 514 19 9,0% 105 13 4,90 49 58 8,86 8 30 4 1 13 0 0 0 1 0 1 0 0 24 1 1 6 0 0 0 0 0 0 0 11 0 0 4 1 5 2 3 4
E81 07:12 432
E81 05:21 321
E81
E82 A A 1 + + 03:14 194 11 183 0 5,7% 46 9 3,98 10 21 8,71 13 21 2 1 1 2 0 0 1 0 0 0 0 4 1 0 0 0 0 0 0 0 0 0 0 0 0 0 4 1 5 2 3
E82 B B 1 + 06:37 397 29 368 7 7,3% 65 10 5,66 15 53 6,94 17 21 4 0 0 1 0 1 0 1 0 0 0 12 4 0 0 1 0 0 0 0 0 0 0 0 0 3 1 2 5 4 3
E82 A A 1 + + 03:37 217 10 207 3 4,6% 46 8 4,50 6 16 12,94 18 15 2 0 2 0 0 0 1 0 0 0 0 4 3 0 0 1 0 0 0 0 0 0 0 0 0 0 3 2 1 4 5
E82 13:28 808
COMANDOSTEMPOCLASSIFICAÇÃO
141
GESTÃO SEQ-ESTCRIAÇÃO VISUALIZAÇÃO PRECISÃOEDIÇÃONAVEGAÇÃO
m
SETOR 1
a
a
SETOR 5
m m
f
a a
fa
a
a a
a a
f f f
f
f
+f f f
a fSETOR 2
a a aSETOR 3
m m m m m
a
aa
a
fSETOR 4
a a
85 comandos
aSETOR 1
SETOR 5
a
m m m
m
aSETOR 4
ftrif
a
+
aSETOR 2
a a aSETOR 3
fa a a a
46 comandos
f
fa
fa
fa
f
fSETOR 1
a
a a aa a a aSETOR 5
fa
trifa
m
f
f
a a aSETOR 2
a a aSETOR 3
f
m
SETOR 4
fa a a
a a73 comandos
a
ab
a
b
a
b
ff
fm
fSETOR 1
f
a a
f
ff
f
a a a
f f
f f f
a a a
a a
f
a a
a
SETOR 3
aSETOR 2
m
SETOR 4
m
a a aSETOR 5
95 comandos
recf
m
SETOR 1
a a a aa a a a
SETOR 5
f
a f
a
m
m
m
a a
SETOR 4
SETOR 4
f
a a
a
a
f
f
f
a
a a aSETOR 2
a a aSETOR 3
89 comandos
mtrif
a
m m
SETOR 4
m
m
+
fSETOR 2
f
a a aSETOR 3a
a a
m
SETOR 1
f
SETOR 5
a
46 comandos
R
RR
C
C
C
C
C
C
B
B
B
B
B
BB
B
B
APÊNDICE F– Mapas de Procedimento gerados no teste de Modelagem 3D
VOLUMETRIA 1
fBase
ff
f fSETOR 1
fff f
A A A
f
ff f
A Af
m
f f
A f
A A
m
A
f f
A f A
m
fA A A
A A A
B
A A A A
f
A A A A
ff
A A A
A
A
A f A
A A A A
f
f
f
f f
SETOR 2
f
A A ASETOR 3
f
m
A A
f f
A
SETOR 4
f
C
A A
SETOR 5
150 comandos
E01 E03 E05 E06 E07 E07
cont.
E09 E10 E10
cont.
143
E08 E08
f
C
A A A A
B
f
m
m
m
A
f
AfA
ff A
AA A
A
f
f A
A
A
f
cont.
a
f f a
a a a a
SETOR 5
SETOR 1
m
SETOR 1
a
a a a aSETOR 5
trifa
m
m
a a
fSETOR 2
f
a a aSETOR 3 am m
SETOR 4
a a
53 comandos
basef
m
SETOR 1
a a
SETOR 5
m
a a
ff
ff
a
f
fa
a a aSETOR 2
f
m m
SETOR 4
f
a
SETOR 3
57 comandos
f
trifa
a a
m
f fSETOR 2
a a a
f
a a aSETOR 3
a
fa
m
a aSETOR 4
m
SETOR 1
SETOR 1
f
a
a a a a aSETOR 5
67 comandos
SETOR 1
a
a a aSETOR 5
trifa
a a
fSETOR 2
aSETOR 3
SETOR 4
f
a a
39 comandos
R R
R
R
R
R
C
C
C
C
B
B+
+
VOLUMETRIA 1
A
A
ABase
A
m m
SETOR 1
f
f
ASETOR 2
C
A ASETOR 5
C
A ASETOR 5
ASETOR 2
m
X
f
+A
A
+A A A
A A A
A A
m m
m
SETOR 3
f
SETOR 4
70 comandos
Basef
m
C
B
A A A ASETOR 5
SETOR 1
A A
m m
SETOR 4
ASETOR 2
X
m
f f f
f f
f
B B
f
A A ASETOR 3
53 comandos
m
SETOR 1
a a
m
m
m
m
a
m
a a
m
a
SETOR 4
aSETOR 5
a
a
a a a a
a a a
a
a a
fSETOR 2
aSETOR 3
90 comandos
R
R
C
B
B
B
B
+
+
E14 E14
cont.
E15 E16 E17 E18 E19 E20
145
fSETOR 1
f
f
aa a a a
m
SETOR 4
a a atrif
a
+
a a a aSETOR 2
a a aSETOR 3
a a a a
a a a aSETOR 5
72 comandos
C
BB
E12E11
f
R
B aa a a
f
SETOR 1
aa
A
Am
SETOR 5
SETOR 4
SETOR 2
m m
m
a a
f fa a aa
a a a a aa a f
f
a a
m
f a
a
a a aa
SETOR 3
R
R
basef
f
f A A Af
A
SETOR 2 A A
m
m
ASETOR 4
m m
f ff f
f
f fA A A A
ASETOR 3
f f
fSETOR 1
A
m
A A A AA A A A
SETOR 5
89 comandos
f
f
fA A
SETOR 1
f
f
ASETOR 2
A
m
m
A Af f
A A
A ASETOR 3
m
f
A A ASETOR 5
56 comandos
SETOR 4
C
C
VOLUMETRIA 1
basef
mSETOR 1
A A ASETOR 5
f
A A
A A
fA
A
m m
m m
fSETOR 4
f f A
+A f A
A A f
A A A
SETOR 2
SETOR 3
basef
mSETOR 1
A A ASETOR 5
f
SETOR 4
SETOR 3
49 comandos
f
A A
SETOR 2
A A
m
f
g
+
f A A A
m
f
basef
SETOR 1
SETOR 5
SETOR 4
SETOR 3
61 comandos
SETOR 2
A
f
fA A
m
f
A A
m
m
f A f
f
f
f f
A A
f f f
A A A A
A A A
C C
C
B
R Base
R Base
m
A
C
B
A A A ASETOR 5
A
SETOR 1
ASETOR 2
m
m
A
f f
A
f
A A
+A A A A
A A A
f
m
m
A A A
A
+A
A A A A
A A
m m
SETOR 3
SETOR 4
SETOR 2
126 comandos
E25 E26 E30 E30
cont.
E31 E32 E34
147
a
f
m m
f
a a
m
a
m
a
a a a
aSETOR 1
a aSETOR 5
f
trif
a
a am m
a
ff
a aSETOR 4
m
m
a
f
f f
a a aSETOR 2
fSETOR 3
a71 comandos
f
a a
m
SETOR 1
m
a a
a a a
a a a aSETOR 5
f
a
m
a a
ftrif
a
SETOR 4
a a aSETOR 2
a a aSETOR 3 a
f
73 comandos
f
f
f
a
fm
SETOR 1
a
a a a a
a a a aSETOR 5
f
m
m
SETOR 4
f
lg a
lg
a
a
a
a afSETOR 2
a a aSETOR 3 a
72 comandos
C
C
C
C
E21 E22 E23
basef
m
aa c
f
SETOR 1
m
a
SETOR 2
m
a a a a
a a
f f
a
a aa
a
f
a a
am
m
a a a
a
m m
a a a aa a
m
a a af fSETOR 4
a
a
a
a
a
af ff f
a a
a
a afa a
a
a a a
a
a a
m
c am
a
a a aa a aa
SETOR 5
188 comandos
C
C
VOLUMETRIA 1
ABase
f
SETOR 1
C
BSETOR 5
f
ASETOR 2
SETOR 4
lg
+B
A A
B
A A
B
fA
A
lg
B
A A
SETOR 3
A
A A A A
basef
M
SETOR 1
A
A A
SETOR 5
ASETOR 2
M
f f f
A A AA A AA A AA A ASETOR 3
M M
A
M
SETOR 4
57 comandos
base
f
M
M
A A ASETOR 1
M
A A AA A A
SETOR 5
M
A
f
SETOR 2
fA A
f
A A
A
A
SETOR 3
M M
SETOR 4
f62 comandos
baseA
M
M
M
A A ASETOR 4
M
SETOR 1
A
A ASETOR 5
f fA
+A A A
A A AA A AA
SETOR 2
SETOR 3 A A54 comandos
Ladoff f f
f f ff f f ff fA A A AA A
ff
A
SETOR 4
SETOR 2
+
A A A ASETOR 3
A
ff f fSETOR 1 f
A A A A
A A A ASETOR 5
A
75 comandos
R
R
R
R
C C
C
C
B
B
B
E37 E38 E39 E40 E41 E42 E42 E42
cont. cont.
149
base baseff
Novo modelo
baseff
SETOR 1
A A A A
SETOR 5
ff
ASETOR 2
m
fSETOR 4
o
f
v+
A f f
A
A
f
A l
fSETOR 3
77 comandos
C
B
B
E36 E36
cont.
recf
SETOR 1
SETOR 5
SETOR 3
f
m
SETOR 4
SETOR 2
67 comandos
recf
recf
frec
ff
SETOR 1
SETOR 5
frec
ftri f
base fSETOR 3
tri f
recf
tri f
fSETOR 4
f
f
f
f
f
f
f
ftri f
f
f
f
fSETOR 2
f
102 comandos
recf
SETOR 1
SETOR 5
f
m m m m
f
SETOR 4
a
a
a a a
f
a a
a a aSETOR 3
SETOR 2
a
f
SETOR 4
a a
f
f f
a a aa
f
a
a
f
fa a aa
SETOR 2
SETOR 3
f
f
fa a aa
a a
a aa
SETOR 2
SETOR 3
216 comandos
m m
C
A A A
m
m
A
A
A
m
A A A A A A A
A
C
B
B
B
B
A
A A
A A A
A
A
A A A A
A A
A
A
B
A
A
C
m
m
A A A
m B
B
VOLUMETRIA 1
base
M
SETOR 1
A A A AA A A A
SETOR 5
f
f
ASETOR 2
M
f
A
A
Af
A A
Af f
A
A AA
A
A
f
A A AA A A
A
AA A AA A ASETOR 3
SETOR 4
89 comandos
base
m
SETOR 1
a aSETOR 5
f
m m m
SETOR 4
a am
m
a
f ff
f f
f
f f
fSETOR 2
f
a a
+a a
a a aa a aa a aSETOR 3
a a a
79 comandos
basef
m
SETOR 1
m
a a a aSETOR 5
ff
f
m
a a a
fff f
a
a af
a
fSETOR 4
f f
a
fa
fa a
a a
a a
aSETOR 2
f ff
f aa f
a a aaSETOR 3
92 comandos
R
CC
C
E45 E45
cont.E46 E47 E48 E49 E49
cont.E50 E50
cont.
151
base
M
SETOR 1
A A ASETOR 5
f
f fA
ASETOR 2
M
M
M M
f
SETOR 4
ff f
A AA ASETOR 3
44 comandos
R
C
E43
SETOR 3
recfrec
ffff
ff
aa a am
a a a
ffa
a a
a
a a
f
SETOR 4
fa a
f
ff
ff
a a a aSETOR 1
cir
a a a aSETOR 5
ff
tri fa
a a
a aSETOR 2
fa aSETOR 3
124 comandos
arec
f
f
f f fa
a algSETOR 1
cir
SETOR 5
recf
lgtrif
a
af f
a
f
f
a
rec
arec
a a
lg
SETOR 2
a
faf
a a aSETOR 2
lga
fa a
f faf
a aSETOR 4
a
alg
rec
a
lg lg
alg
rec rec
a a
afaf
a a
a
145 comandos
SETOR 3
recf
f
m
SETOR 1
cir
m
a am
cir
a a a a a a aSETOR 5
f
a
am
f+
a
af
m
trifa
am
f fa
a
SETOR 2
a
af
a
a a a a aSETOR 2 SETOR 3
104 comandos
a
a a
fSETOR 1
cir
a
a a a
SETOR 5a
base f
b
lg
a a
a
a alg
lg
a a
a
aSETOR 2
a a alg a
g
SETOR 3
a
a
fa
SETOR 4
a
a
a a132 comandos
b
b
B
B B
B
VOLUMETRIA 1
recf
m
SETOR 1
m
m
cir
a a a a aSETOR 5
arec
f
recf
tri fa a
fa a a
ffrec
a
fa a a a a
m m m
m
m
f f
a a a a a a
SETOR 2
SETOR 3
ma
m m
80 comandos
SETOR 4
recf
m
SETOR 1 a a
cir
a a a a a a a
a a a acir
a a a aSETOR 5
f
recfrecf
recf
f
fff
tri fa
trifa a a
a
a aSETOR 2 a a a a afSETOR 4
89 comandos
E51 E53 E54 E54
cont.
E55 E55
cont.
E56 E56
cont.
E57 E57
cont.
153
recf
m
SETOR 1
cir
a a a a a a a aSETOR 5
recf
tri fa
fa
f f
a am
ff f
fa
SETOR 2
a a aSETOR 3
m m
SETOR 4
b61 comandos
recf
m
SETOR 1
cir
a aSETOR 5
ff
trifa
a a
f
f
f
a
f a
f
aa af f
a a a
a
fa a a aa a a a a a
a a a
f
f
f f
f
ffam
m
m
m
a
ff
fa
SETOR 4
fa aSETOR 2
faSETOR 3
110 comandos
base f
m
a a a a aSETOR 1
cirSETOR 5
am
a
trifa
a
fa aSETOR 2
a a
a a am
a a a
f
SETOR 3
59 comandos
recf
m
f
f
m
cir
a aSETOR 5
trifa
a a
m
m
+
a a a a
f
a
SETOR 3
SETOR 2
a aSETOR 1
m
a aSETOR 4
56 comandos
recff f
aSETOR 1
cir
b
cir
a a a a a aSETOR 5
rec
a a a
f
trifa
a a
f f fa a a a a
fa a
f
a a aa a a a
f
trifa
a am
a
f fa
ff
aa a a aSETOR 4
m
m
f f
f
aa a a aSETOR 3
f
aa aSETOR 2
111 comandos
fa
f
ff
fSETOR 1
cir
g g gSETOR 5
f
trifa a a
g
gm
aa a
a a a aa a
SETOR 3SETOR 2
m m
SETOR 4
66 comandos
basefa
m
f
a
a
fa
faSETOR 1
b
a
fa
trifa
a am
SETOR 4
a a
f
a a
m
f
f f
aa aSETOR 2 a
f f
aa aSETOR 3 a
m
amcir
acir
SETOR 5
a
89 comandos
B
B
VOLUMETRIA 1
E59 E60 E60
cont.
E61 E63 E64 E64
cont.
E65 E66 E66
cont.
155
basef
rec
ff
m
fSETOR 1
cir
a a a a a a a aSETOR 5
f
fSETOR 4
f
f
f
ff
a a a a a
f fa a a a a
a
a
f fa a
f
a a
fa a a
SETOR 3
SETOR 2
75 comandos
recf
m
SETOR 1
m
cir
m
lg
a a aSETOR 5
fa
trifa
a a
m
a a
m
SETOR 4
fa a
m
m
a a a a aSETOR 2 SETOR 3
72 comandos
rec
m
SETOR 1
cir
a aSETOR 5
b b
ff
a
m
faSETOR 4
trifa
f f f f f f
f
+
fSETOR 2 a
aa a a aSETOR 3
75 comandos
f
m
f fSETOR 1
cir
f
a acir
a a aSETOR 5
m
m m
m
m
m
f fSETOR 4
f
aa a
f
aa a a
f fa
aa
f faa a a
SETOR 2
SETOR 3
a85 comandos
arec
ff
f fSETOR 1
f
fm
am m
fSETOR 4
trif
f
trif
f f f
f
f
f fm
cir
SETOR 5
SETOR 2
fSETOR 3
75 comandos
rec
SETOR 1
m
cir
a aSETOR 5
rec
rec
m
f
SETOR 4
m
m
trifa
f
f fSETOR 2
aa a a
f
a aSETOR 3
aa a a
58 comandos
recf
ff
f fSETOR 1
cir
a aa a a aSETOR 5
f
trif
m
m
f
a
fa
m m
f
SETOR 4
aam
fam
f f f
f
a a aSETOR 3
aa a aSETOR 2
a
aa a89 comandos
recf
frec
m
SETOR 1
cir
a a a aSETOR 5
a
a a a a
trif
+f af af a
a a a
a a a aSETOR 2
a a aSETOR 3
m
SETOR 4
a a a
a a a a
a
a a
a a a
79 comandos
B
B
B
B
a
VOLUMETRIA 1
E67 E68 E70 E71 E72 E73 E74 E74
cont.
E75
157
E82
base
SETOR 4
SETOR 1
SETOR 5
ASETOR 2
fSETOR 3
f
f
ff
ff
fff
f
ff
ff
ff
f
SETOR 5
f
lg lg
f
f
ff
56 comandos
SETOR 1
SETOR 2
SETOR 4
SETOR 3
m
SETOR 1
SETOR 5
tri f
SETOR 2
fm
m
SETOR 3
SETOR 4
f48 comandos
ff
SETOR 1
ff
f
m
SETOR 3
f
f
SETOR 5
SETOR 4
SETOR 2
67 comandos
recf
m
SETOR 1
cir
a a aSETOR 5
recf
fftrif
a
f
m
f
m m
m m
f f
a af aSETOR 2
a a aSETOR 3
SETOR 4
f
a a63 comandos
recf
rec
rec
rec
f fSETOR 1
fa a
m
m
cir
m
aa a a aSETOR 5
rec
m
m
trif
a a aSETOR 2
a a aSETOR 3
m
m
mam
a aa
b
a
a a
mtrif
a
f
a
fSETOR 2
a a aSETOR 3
m m
f108 comandos
SETOR 4
R
A
R
A
C
A A
A
A
R
R
R
C
R
A A
A
A
A A A A
+
A A
lg lg lg lg
A
A
B
R
B
C
A A A
R
A
A
A A
+BB
A A A A
m
m
+A A A A A A A
A A A A A ABB
A
A A
C
A A A
BA
A
BB
B
B
B
B
E77
VOLUMETRIA 1
E78 E79 E80 E81 E81
cont.
159
f
ff
m
a
f
f
ff
fSETOR 4
a
f fSETOR 5
f
fSETOR 2
a
f
f
fSETOR 1
a a aa
f
aa
f
fSETOR 3
70 comandos
m
m
SETOR 5
m
f
m m
a
aSETOR 3
m
a
m
a
aSETOR 1
m
aSETOR 2
m
m
aaSETOR 4
a a aa63 comandos
fa
f
m m
aa
m
a
m
fa
ff
a a
m
m
a a aa a
f
a
f
aa
a a aa
a a
m
aa
f
faa
f fSETOR 2
a
f
a aa
f
f
f
fSETOR 4
f
fSETOR 5
a
m m
a aa
aa
fm
SETOR 1
m
fa a aa
a a aa
aa
f
ff
fa
fSETOR 3
aa
125 comandos
f
a
m
f
f fSETOR 4
a
m
SETOR 5
m
m
m m
f
a a
ffm
m m
f
aa
fa
m
m
a a afSETOR 3
m
af
a a a
f fSETOR 1
a a
f
f
fSETOR 2
a a aa91 comandos
f
m
m
SETOR 3
m m
m
SETOR 1
m
SETOR 5
m
m
f
f
a
fSETOR 2
a aa
f fSETOR 4
a a aa46 comandos
R
R
R
R
R
R
B
B
B
B
B
B
B
B
VOLUMETRIA 2
APÊNDICE F– Mapas de Procedimento gerados no teste de Modelagem 3D
f Base
ff
A
f fSETOR 5
m
A A A A
A
f
A f
f f fSETOR 4
A A A A
f
f f f
ff f
fSETOR 1
A
f
A f A A
f
m
f fSETOR 3
A f A A
A A
fSETOR 2
A A A
A
m
f
fBase
f
A A
m m
SETOR 5
ff
SETOR 2
A
f
A
m
AX
f f f
f
f f
m
m
SETOR 4
fSETOR 3
A A A
m
A A ASETOR 1
A A
63 comandos
E01 E03 E05 E06E04 E07E05 E06
cont. cont.
E09
161
f
fa
f
ff
a
fSETOR 3
a
fa
f
fSETOR 5
f
f
f fSETOR 1
fSETOR 3
f
ff
fSETOR 4
lglg
58 comandos
m
SETOR 5
m
m m
aSETOR 1
m
m
a
f
aaSETOR 3
f
f fSETOR 2
aa
a
m
a
f fSETOR 4
+a a aa
a aa
51 comandos
f
m
SETOR 5
f
f
m m
f fSETOR 2
m
fSETOR 1
fSETOR 3
aa
f
a
f
a
m
a
a aa
aa
SETOR 4
58 comandos
f
m
fa
aa
f fSETOR 5
f
a aa
a a aa
a
f
f f
fSETOR 4
aa
a
fSETOR 2
aa
a aa
ffSETOR 5
a
m m
SETOR 1
a
SETOR 1
aaSETOR 1
m
a
fSETOR 3
aa
m
101 comandos
a
a aa
fSETOR 2
a
SETOR 5
aa
f
f
f fSETOR 4
aa
SETOR 1
SETOR 3
48 comandos
f faa
fa
m
m
a aa
fSETOR 3
m
SETOR 5
a
f
ff
aa
fSETOR 2
m
m
mSETOR 1
a aa
a
f
f fSETOR 4
f
62 comandos
ff
a
fa
m m
m
m
aa
m
SETOR 5
m
a aa
f
f f
f
aa
aa
f
f f
f
f f
a
f
f fSETOR 4
f
a
a aa
aa
SETOR 4
SETOR 4
f fSETOR 4
aa
fSETOR 4
a
f
aa
a
aa
SETOR 1
a
f
f
m
m
fSETOR 3
a aa
f
f
a aa
aa
a aa
a aa
a
fSETOR 2
a
f
fSETOR 1
a
aa
SETOR 4
SETOR 4
aa
aa
SETOR 4
172 comandos
R
R
R
R
R
R
R
R
R
B
B
B
B
B
B
B
B
B B
B
B
+
VOLUMETRIA 2
f
f
m
m
a a
f
f fSETOR 4
fSETOR 5
aa
f
am
a
fa
f
aa
fSETOR 1
f
a a aa
aa
m
m
a
fSETOR 3
aa
a aaSETOR 2
a aa
m m
106 comandos
E10 E10
cont.
E12 E15 E17 E18 E18
cont.
E19 E21 E22 E22 E22
cont. cont.
163
f
m
SETOR 5
m
m
f
f
f f
aa
m
m
ff
f
a aa
a aa
aa
aa
a
f
f f
a
fSETOR 2
aa
m
m
aSETOR 1
m
m
ff
fSETOR 3
aa
m
a
f fSETOR 4
a aa
aa
a
137 comandos
Ladof
fA A
A
f base
A A
AApagou tudo
A A
A
f f ffSETOR 4
f
f
f fSETOR 5
fSETOR 2
f
A A
f
f fSETOR 1
f
f
A A
ffSETOR 3
100 comandos
SETOR 4
SETOR 1
SETOR 3
63 comandos
f base
m
f f f
SETOR 2
A A
SETOR 5
m
A
o
f ff
f
v
f
m m
f f f
m
A
m
f f Af f
A A
A A
SETOR 4
SETOR 1
SETOR 3
178 comandos
f base
SETOR 2
A
SETOR 5
A A
A A
f
M
AA A
A A
f
A A
M
M
M
A A f
A
f f f
M
A
A A A A
f f f
A A f
f f fA f A
fA
A
A
A f A A
f fA A
f
A A A
A
AA A
fg
A
f f
A
fm
A A A AA
f f
f f
A A A A
f
A A
fA A A A
A+
f A
A A
fA A
f
f
A A
B
B
B
B
VOLUMETRIA 2
E23
cont.
E23 E25 E25
cont.
E26 E31 E31 E31
cont. cont.
165
basef
m
SETOR 5
m
f
f f
fSETOR 4 A
ff
f ff
f ff A ASETOR 2
A
m m
f
m
m
f
f A A ASETOR 1
A A AA
A A
A A
SETOR 3
74 comandos
basef
A A
fA A
m
m
SETOR 5
m
A A
ff
f f
A
+A
A A A
A AA A
f
SETOR 4
f
A A
A A A
A A A
m
fA A
f fA
f
A A A
fA
f f
A A A A
A A A A
A A
m
A A A A
ASETOR 1 A
m m
ASETOR 3
SETOR 2
118 comandos
basef
SETOR 5
A
f
ff fSETOR 4
ff
f fSETOR 2
l
f A fA Al
A
lf f A
f
f A ASETOR 3
SETOR 1
A A
A
66 comandos
B
B
VOLUMETRIA 2
cont.
E32 E34 E34 E36
f
SETOR 5
f f ff
f
SETOR 1
fSETOR 2
f fA
f f fA A
f fSETOR 3
M
A
f
A A A
SETOR 4
B
B
56 comandos
A
base
M
SETOR 5
A
M
A A
fAf fA
M
RE
M
A A ASETOR 3
fSETOR 2
A A
fA A
M
A
fSETOR 4
SETOR 1
A A A
71 comandos
R
R
B
E37 E38 E38
cont.
167
basef
f
M
SETOR 5
f
M
M
AfA ASETOR 3
M
A A
M
A A
A
f
A A
A A A
f fAfSETOR 2
M
A A A
A A AM
M
A A ASETOR 1
M
A
fSETOR 4
A A A
A A A
A111 comandos
fbase
fm
f
ffa aSETOR 5
f fm
f
f f fSETOR 4
fm
a
fa a
f f
a
f fa
fa a
fSETOR 1
m
fSETOR 3
f a a
fSETOR 2
70 comandos
basef
m
c
m
a a a
f
a a a
m
a
a
SETOR 4
m
f
SETOR 5
m
af
a aSETOR 3
a
a a a aa a a
a a a aa a a aa
f f
m
a a
a
aa a a a
fa
a aSETOR 2
a
f f
a a a aSETOR 1
a a c aa a c c
122 comandos
VOLUMETRIA 2
basef
M
f f
A A A
M
M
A
fM
M
f f
A A A
A
f fMf
Mf f
A A
Mf ff
A A
A A A
67 comandos
AffA
f
ff
ff fff f
M
fff f
50 comandos
base
M
M
f ffA
f
A
Af
fff
MM
M
A A A
M
M
A
f
A A
SETOR 2
SETOR 5
SETOR 4
SETOR 1
SETOR 3
SETOR 5
SETOR 2
SETOR 1
SETOR 3
SETOR 4
SETOR 5
SETOR 2
SETOR 4
SETOR 1
SETOR 3
50 comandos
R
B
E39 E40 E43E42 E42
cont.
E45 E45 E47
169
SETOR 4
66 comandos
basef
90 comandos
mmA
fA
f
f
fA A
f ff f
A
A
A A
A A
A
f f
m
m
A A AA A A
A
f f
A Af
Af
m
f
A Af
A A
ff f f
60 comandos
f
Af
f
fff
ff
f f f ff f
m
m
m
ff
f f
fbase base
m
A A A
f
A A
A A
ff f f
AA AA
m
A A AA
A A
m
A A
A A
A
49 comandos
f Lado
f ff
m
A
f
f
A Af f
f ff
ff
f Lado
m
f f
f ff f
ff
Base
AA
AA
f Base
f
m m
AA
ff
ff
V58 comandos
f Base
AA AA
f
mf
ff
A
A A
m m
A A Af f f
F
m ff
fAf f f
m f
A A A A Af
Af A
70 comandos
SETOR 5
SETOR 1
SETOR 3
SETOR 2
SETOR 3
SETOR 5
SETOR 1
SETOR 2
SETOR 5
SETOR 3
SETOR 2
SETOR 4
SETOR 4
SETOR 1
SETOR 5
SETOR 4
SETOR 2
SETOR 1
SETOR 3
SETOR 5
SETOR 1
SETOR 2 f
SETOR 3
SETOR 4
SETOR 5
SETOR 4
SETOR 2
SETOR 1
SETOR 3
B
B
B
B B
VOLUMETRIA 2
E48
cont.
E48 E49 E50 E51 E53 E54
171
f Base
l l
l
A
A
f f
A
AAA
A
AAAA
A
A A
l
+f f f
A A A
l
f
A l
f
f f A Af
173 comandos
A
f
f f Af
f AA
A
f f A
R
A A f
f f A A
A A A A l
l lf
A
f f f
A A A l
A A A l
f
f
l
f Base
m
f
A f
f f
V
m
f
f f
A A
+A
fA Af
A A A
mm
A
A
A
f f
AA A
A A Af f
AV
81 comandos
f Base
fAA AAf
AA
AA AA AA
AA A
M
AA
f f fAA AA AA
AA AA
AA AA
fAM
M
A
F A A
A A
M
F F AF A Af
A
A A
F F F
A A A
f fA A
A A A
fA A
F F AfA A A
127 comandos
f Ladof
ff
f
f f ff
fAA AAf fM
AA f
f f ff
f f
AA f
AA AA
f fAA AA AAA
AAAf f f
AA AA AA78 comandos
SETOR 4
SETOR 2
SETOR 5
SETOR 1
SETOR 3
SETOR 5
SETOR 1
SETOR 3
SETOR 4
SETOR 2
SETOR 5
SETOR 1
SETOR 2
SETOR 3
SETOR 4
R
B
VOLUMETRIA 2
cont.
E55 E55 E55
cont.
E56 E58 E58
cont.
E60
173
VOLUMETRIA 2
f BasefAA AA
ff
ff
ff
f f
fff
M
A
fff
f52 comandos
Basef
ff
AA AA
M
M
M
M
AA AA A
ff
AA AA A
AA AA A
A A AA
A A A
A A A
A A A
A f
A A
M
Af
AA AA
f
ff f
103 comandos
Basef
ff
A
M
A
ff
ff
fff
fM
f
ff
A
f f
Mf
fAA AA A
fA
A A A
A A
f
A A
f
AA
fA
ff ff
AA AA
f f
M Mf
AA AA92 comandos
ALadof
f
A
ffAA AA
fAA
f
ff
ff f
f A A
f
AA AA
M
AA
M
ff
f
f
A A A
A A
75 comandos
Basef
M
M
ff
f f
AA
fA A
A
f f
v
f
A A AV
MA
M
A A A
Af
A
M M
A
M
A A A
9
M
M
M
A A A
A
M
A A Af
95 comandos
SETOR 3
SETOR 1
SETOR 2
SETOR 5
SETOR 4
SETOR 5
SETOR 1
SETOR 2
SETOR 3
SETOR 4 SETOR 4
SETOR 5
SETOR 2
SETOR 1
SETOR 3
B
B
B
E62
cont.
E63 E63 E65 E65
cont.
E66 E68 E68
cont.
175
VOLUMETRIA 2
f Base
f f
f
Mf
f f
f
f
f
f
f f
f f f
Af
A
fM
f f f
61 comandos
R Base
M
M
A
M
A
M
A
M
f
f f
f fA A
f f
f
A A
A A
A A
A
A A
A A
A
A
M
A
M
A
A
A A
f
AA A
fAA A
f85 comandos
Basef f
A A
R
M
R
M
A A
f
f
f
R R R
ff
f
f ff
A
f
f50 comandos
f Base
M
f
f
fA A A
M
f fA Af f
A A
fA
f
f
f f
A A f
A
M
f
A A A
f
A A
M
A A A
A A A
f Base
A A
fA
A
A
A l
A A
A A
A
A A
fA
l
v
v
M
f
A
v
v
l
v
fA A A
A
A A
A A A
A A
A A
A
A A
A
A A
ll
130 comandos
f Base
f
f
A A
ff
fA
+
A
A
Af
M
fA
f
A A A
+A
f f f
A A A
R
A A A
A A
f
A A A A
80 comandos
74 comandos
BB
BBBB
BB
B
B
B
B
E71
cont.
E72 E72 E73 E74 E76 E76 E76
cont. cont.
E77
177
f BaseM
A A
M
M
A A
M
fA
f
M
A A A
A AM
A A
f
A A A
A A A
A A A
f66 comandos
R
A
f
Base
R Base
l
R
Af
R
R
f
f
A A
f f
f
l
f fA
A A A
f f f f
f
f
A A A
94 comandos
Base
M
M
f
f
f
A A A
A A A A
A
M
M
f fM
A A A
M
M
A
54 comandos
R
A
ff f
A A A
A
f
f
Af
f
A A
f f
A A A F
A
f
f fR
R
F
f
f
f
A A FR
F
f
f f
65 comandos
SETOR 1
SETOR 5
SETOR 2
SETOR 3
SETOR 4
B B
B
BB
B B
B
B
B
VOLUMETRIA 2
E78cont.
E79 E79 E80 E82
179
SETOR 1
SETOR 2
SETOR 3
SETOR 5
SETOR 4
f
AfSETOR 3
f
f
A
fSETOR 2
f
f
A
ff
A
f
f fSETOR 1
f
fA
ff
A
f f fSETOR 4
f A
m
f
fSETOR 5
53 comandos
R
m
m
A A
m
f
A
A
SETOR 3
m m
A
SETOR 3
f
ASETOR 2
m
A
A
m
A
SETOR 5
ASETOR 4
A
ASETOR 1
m m m
55 comandos
fB
f
f
f
m
f
f f f
fSETOR 4
f
f
SETOR 3m
f
f
fSETOR 2
f
ff
f
f
fm
SETOR 3f
f fSETOR 2
ff
fSETOR 4
f
m
f
m
fSETOR 5
f f fSETOR 1
A B lg
117 comandos
APÊNDICE F– Mapas de Procedimento gerados no teste de Modelagem 3D
VOLUMETRIA 3cont.
E01 E03
f
m
SETOR 3
mX
f fSETOR 4
f
ffSETOR 2
A A A
fm
f
f
f A A
f A
A A
fSETOR 1
f f A
A A
f A A
m
m
fSETOR 5
f f A
A A A
f A A74 comandos
f
f
fSETOR 3
f
A A
f
fSETOR 2
f
f fSETOR 1
m
f
f f
fSETOR 5
f
A
m
f
f
f fSETOR 4
45 comandos
A A A A
f
f f f
A A ASETOR 1
A
A A A
m m
f
ff
SETOR 2
A A
f f f
A A A ASETOR 3
A A A
A
m
m
f
f
f A A
m
m
f
f
f
fSETOR 4
f A
f A f A
A A A
A A
f
f
m
f
fSETOR 5
A
107 comandos
f
f
A
fSETOR 3
f
A A
fSETOR 2
f
f
f
f fSETOR 1
f
f
f
m
X
f fSETOR 4
f A
m
f
A
m
f
m
f
f
m
f
A
fSETOR 5
74 comandos
f
m
m
m
A A A
m
B
f
m
m
ffm
f f
A A
m
f
A A
fSETOR 5
m
A A
f
A
A
m
B
f
SETOR 1
B
A A
m
f f f
A A
m
fSETOR 3
f
f
fSETOR 2
A
m
m
f
f fSETOR 4
A101 comandos
E04 E06 E07 E07 E08 E09 E09
cont.E12
181
VOLUMETRIA 3
f
f
ff
f
m
f
fSETOR 2
fSETOR 3
f
f
f
fSETOR 4
f
fA
fSETOR 1
f
m=
f
m=
f f
A A
fSETOR 5
63 comandos
A
A
A A
A
A
A
f
m
m
f
m
fA
+A A A
A A A A
fA A A A
A A A A
A A A A A
f
m
m
m
m
A A A A A
A A A A A
A A A A A
A A
f
A
A A
f
A A A
fSETOR 1
f
A A A A B
f
m
ASETOR 3
f fSETOR 2
A
f f
f fSETOR 4
fm
f
m
fSETOR 5
160 comandos
f
m
SETOR 3
A
m
f
SETOR 2
f
A A
A A
A
fSETOR 1
A
m
m
A A
A A
fSETOR 5
f
A A A
A A A
A
m
A
A
A A
fSETOR 4
74 comandos
ff
A
fA
A A A
f f f
A A
m
SETOR 3
f
f fSETOR 2
A B
m m
A
SETOR 1
m
f f A
m
f
fSETOR 5
B
A
f
A A A
A A
fSETOR 4
65 comandos
R
R
R
R
A
ASETOR 3
SETOR 2
AR
ff f
SETOR 1
A A
m
f fSETOR 5
m
A
R
f
fR
f fSETOR 4
52 comandos
A A
f
f
f
m
f
m
f fSETOR 5
fAf
fB
f
m
m
fSETOR 4
A A A
A A
X
X
m
m
f
f
X
B
fSETOR 5
SETOR 1f
X
AX
ff
f f
f B A
A A AX
m
fSETOR 3
B
f
f fSETOR 2
A A A
A
f f
fSETOR 5
131 comandos
f
f
fm
fAm
f
A A
fA A
ff
ff
ff
A A
f A A
A A A
f A
f
f A A A
AAfm
f Af A
SETOR 3
f fSETOR 2
f
ff
SETOR 1fff
m
f
fSETOR 5
f
m
m
ff
SETOR 4
A A
A A116 comandos
E16
cont.
E16 E17 E18 E19 E20 E23 E24E23 E24
cont. cont.
183
VOLUMETRIA 3
fSETOR 3
fSETOR 2
A A
m
m
f
A A
fSETOR 1
f
f
m
m
X
f fSETOR 4
f A
m
f f
m
f fSETOR 5
m m m m
f f
A A A
A A
fSETOR 5
A
fSETOR 1
63 comandos
fA A
m
SETOR 3
m
SETOR 2
A A A A
m m
B B B ASETOR 1
m
m
ASETOR 4
m
f
m
f
fSETOR 5
A50 comandos
m
A
A
f
A
f
f fSETOR 1
f
A
f f
fSETOR 3
A
fSETOR 2
f
f
A
f fSETOR 4
m m
f
m
fSETOR 5
48 comandos
R
m
m
m
f
A
fSETOR 5
+f A A
A A
f
m
m
A
f
f fSETOR 4
A
f
m
m
f f
Af
fSETOR 3
ff
f
SETOR 1
fSETOR 2
f
B A A
A A
70 comandos
f
A
A
A A
f
f
A A
m m
X
fSETOR 3
f f
f f A
SETOR 2
m
fm
ff
X
SETOR 4
f
m
fm
ff
SETOR 5
f
f B
f fSETOR 1
70 comandos
R
R
R
R
R
R
R
f fSETOR 4
R
R
R
f
m
R
fA
R
R
f
A A
f
fSETOR 3
A
m
ff
A ASETOR 2
fA
B A A
ff
SETOR 1
A A
A A
R
f
fSETOR 5
A A74 comandos
f
SETOR 3
f
f fSETOR 2
A A A
f
f
ff
SETOR 4
f A
A
f f f
A A A
f
f BSETOR 1
f
fSETOR 5
lg55 comandos
f
m m
SETOR 3
A
ASETOR 2
m m
f
ff
fSETOR 4
f A
ff
SETOR 1
f
m
fm
f
f fSETOR 5
A
51 comandos
f
m
fA
fSETOR 3
A
f
f fSETOR 2
A
A A A
fA
A
ASETOR 1
f
f A
A A
mf
mf
A
m
A
f
A A
m
A
m
E25
cont.
E26 E31 E32 E34 E36 E38 E39 E40
A A
f
B
A
f
A A
A A
f
m
m
X
f
f
fSETOR 4
ASETOR 4
fSETOR 5
98 comandos
E39
185
VOLUMETRIA 3
fSETOR 3
f
fSETOR 2
f
f
f
ff f
f
m
f
A
ff
SETOR 4
f
m
f
SETOR 1
SETOR 5
51 comandosA
fB
SETOR 3
ASETOR 2
A lg
A
R
A
SETOR 4
lg
f
f B
AA
fSETOR 5
B
ff
SETOR 1f
A A A
B
lglg
71 comandos
A A
f
B
A
f
A A
A A
f
m
m
X
f
f
fSETOR 4
ASETOR 4
fSETOR 5
98 comandos
R
R
m
SETOR 3
m
m
f
ffSETOR 2
A B
ff
SETOR 1
fm
m
f
f
ff
SETOR 4
fmf
mf
fSETOR 5
50 comandos
ffSETOR 3
f
f
fSETOR 2
f
f
f
ff
SETOR 1
m
f f
fSETOR 4
m
ff
A
m
f f fSETOR 5
77 comandos
f
ff
f
fSETOR 4
f
f
B B
A
f
fSETOR 1
f
f
mSETOR 3
f
fSETOR 2
f
B
m
f
A
A
f
m
f
fSETOR 5
A
f
f f fSETOR 4
73 comandos
ff
A
fSETOR 1
ff
A A A A
A A A
f
m
A A A
SETOR 3f
A A A
f
f fSETOR 2
A A A
m m
m
m
f f
f fSETOR 4
A
f
fSETOR 5
f
A
76 comandos
A
f
SETOR 3
m
m
f
ASETOR 3
A
SETOR 2
A
m
m
f
f
fSETOR 4
f
f
m
f
f
fSETOR 5
f fSETOR 1
A49 comandos
ff
SETOR 1
m
m
A A A
fSETOR 3
m
f
f fSETOR 2
A A A
A A
m
m
f
f
A
f fSETOR 4
m
m
A A A
fSETOR 5
66 comandos
A
A A A
f
m
m
m
A
m
A
A A A A
f
f
f f
SETOR 2
SETOR 3
A A A
fSETOR 1
A A
ff f
m
m
fSETOR 4
A A A
f
fm
f
fSETOR 5
A
m
A
m
m
A
lg lg107 comandos
E41
cont.
E41 E43 E46 E47 E49 E53 E54 E63 E64 E64
cont.
187
A
m
fm
f f
m
ff
m
f
A A
A A
A A
m
f
f fSETOR 1
m m
m m
m
f AA
ff
SETOR 3
m
fAA A
m
ff
fSETOR 2
m m
ff
fA A
ff A
fA
f
f fSETOR 1
f
m
A A
A A
A A
A A A
A A
f
f A
A A
f
m
m
fSETOR 4
A A A
A A
m
fm
f
fSETOR 5
129 comandos
f
m
fA
SETOR 3
SETOR 2
fA
ff
f f
A A
A A A
fSETOR 3 SETOR 2
fSETOR 1
ff
m
m
f
fSETOR 4
B
m
f
m
m
f
fSETOR 5
56 comandos
f
m
SETOR 3
f
f
SETOR 2
A
f
A
f
A A A A
A A
f
A A ASETOR 1
m
m
f
f fSETOR 4
m
f
A
m
f
A A A A
f
A A ASETOR 5
61 comandos
R
f
f
fR
A
A
B
SETOR 3
SETOR 2
f f
fA
fSETOR 1
f f
f f
A f
f
A
f
f
SETOR 4
f f fSETOR 5
46 comandos
VOLUMETRIA 3
f
A
m
SETOR 3 SETOR 2
f
f
fSETOR 1
A A
fA
fA
m
fm
fSETOR 5
f
m
m
f
A A
fSETOR 4
A A A
A52 comandos
ff
A
m
SETOR 3
f
A A
A A
f fSETOR 2
m
SETOR 1
m
m
A A
f fSETOR 5
A
A A A
A A A
A A
fA
A A A
A A A
ff
f fSETOR 4
A76 comandos
f
ff
fSETOR 1
f
ff f
SETOR 3
fSETOR 2
f
f
fSETOR 4
fm
ff
SETOR 5
46 comandos
ff
ffSETOR 3
fSETOR 2
f
fm
fA
f
fSETOR 4
f
f
f fSETOR 1
m
f
fSETOR 5
44 comandos
E65
cont.
E68 E71 E72 E75 E75 E77 E80 E82
189
